- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间：2019-07-04来源：知乎浏览数：637次
随着许多业务系统和应用程序（包括采购，呼叫中心交互，网站访问，移动应用程序使用以及越来越多的物联网传感器和设备）产生的大量客户数据，应该可以确定客户想要什么并交付很棒的客户体验。
解决方案似乎很简单 - 将所有数据放入数据湖中，让数据科学家和业务分析师松散，立即发挥他们的神奇作用，发现新的，可操作的见解，从而推动更加个性化的个性化客户体验。
因此，数据科学家在数据清理和准备之后花费了太多时间，而不是增值分析和战略决策。这种情况不可持续。
许多组织现在意识到，在建立数据湖的匆忙和热情中，他们实际上创造了一个值得沼泽事情漫画梦魇的“数据沼泽”。
因为他们忽视了一个关键的成功因素 - 数据治理，它将人员，政策，流程和技术汇集在一起，将数据沼泽转变为一个晶莹剔透的数据湖，成为值得信赖的宝贵商业资产。
数据治理：它是什么？
数据治理是实践和流程的管理，可确保企业数据资产（包括本地和云端）的质量，可用性，可用性，完整性和安全性。
它由丰富的技术堆栈提供支持，包括业务术语表，策略定义和协作，数据沿袭，数据集成，数据质量，元数据管理，安全和隐私，数据屏蔽和数据编目等组件，这些组件对信息进行分类，识别关系，并支持最终用户搜索。所有这些听起来都很多，但通过人工智能（AI）和正确的技术解决方案，您可以获得使用可信，上下文和可访问数据进行数据治理的自动化方法。
虽然正确的技术基础至关重要，但数据治理还需要多个利益相关方之间的协作，包括首席数据官，企业架构师，业务部门负责人和负责监督数据质量，遵守数据政策和程序的数据管理员，以及今日的治理活动。
业务线所有者和IT必须紧密协作以了解其他人的角色和目标，否则他们将面临数据治理策略和流程无法运营的风险。最有效的计划使数据治理成为商业文化的一部分。它不是一个独立的学科 - 它只是业务的运作方式。
带来秩序混乱。采用数据治理策略，以确保有关数据和系统的信息得到妥善组织，分类和编目，以及使用通用业务语言进行描述。这有助于最终用户更容易理解数据的含义，背景和相关性，同时消除数据湖中原始结构化和非结构化信息的混乱。
使数据分析准备就绪。使数据质量成为数据治理计划的关键部分，以使信息一致，准确，值得信赖并适合分析。数据治理工作还应有助于确保数据仅供授权人员访问，并且安全且符合法规要求，尤其是数据隐私方面。
启用自助服务。为业务用户和数据科学家提供自助服务工具和语义搜索功能，使他们能够“购买”数据（就像在零售网站上搜索产品时那样）并应用分面搜索来缩小结果范围。组织内部的数据所有者只有在确信数据安全且符合公司政策和行业法规的情况下才能在整个企业中访问数据。只有这样才能使数据“民主化”。通过使数据湖泊民主化并使企业可以使用信息，组织将多次实现回报。
成为数据驱动的商业价值的催化剂。期望利用数据治理作为加速数字化转型的催化剂。数据湖中值得信赖的可操作信息可帮助您发现效率，解决复杂性，推动创新，创造竞争优势，并更好地遵守数据隐私要求，例如欧盟通用数据保护法规（GDPR）和加州消费者隐私法案。
晶莹剔透的数据湖泊需要数据治理
现代数据湖的作用是成为历史和实时信息的单一，可信赖的存储库，从而推动整个企业更智能，更快速的决策制定。数据治理对于确保数据的一致性，准确性，上下文化，可访问性和受保护性至关重要。
