数字商务永远改变了零售业的面貌。广泛的产品选择，快速交付和简单易用的搜索功能，也推荐相关产品，提高了标准。
虽然大数据是数字商务成功的核心，但组织往往难以从自己的信息中获取类似的好处。它们不应该像数据治理程序那样容易找到正确的数据来管理他们的业务，就像在线购物一样。
正确地获得数据治理会带来回报，但同样地，做错也会带来真正的风险。根据Gartner的研究，2017年每年组织
数据质量差的组织平均为1500万美元。同时，根据毕马威的一份报告，几乎一半的CEO（45％）表示他们的客户见解受到缺乏质量数据的阻碍。
要应对这一挑战，需要深入了解单个组织的数据格局，这可以通过采用逻辑和结构化方法来揭示。
1. 我需要什么数据？
并非所有数据都是相同的。通过精确描述执行角色所需的数据类型，数据使用者可以在组织的数据旅程中发挥重要作用。
例如，在摩根大通，内部数据消费者需要使用企业范围的术语仔细定义他们的数据，以确保数据提供者了解所需的数据。
2. 我有什么数据？
每个组织必须审核其拥有的数据并确保一致地描述它。这可能涉及创建一种业务友好的语言来描述您的数据格局。
准确的数据描述可以帮助数据科学家，风险管理人员和建模人员等人员了解内部存在的数据以及在何处找到数据，这样他们就不会不必要地向其他员工询问或引入更多数据源。
在摩根大通，我们创建了一个名为DNA（数据网络架构）的工具，我们在其中将描述性标签应用于我们的数据，这些标签可用于查询以查找和查询此类数据。
3. 数据沿袭：我的数据来自哪里？
许多组织消耗了大量数据，因此无法跟踪它的来源和去向。审计可能会发现大型复杂组织多次采购相同数据或来自多个供应商的类似数据。
了解数据沿袭可以帮助技术人员和企业所有者停用冗余或过时的系统。监管机构还希望保证组织可以将其数据追溯到其原始点，以确保准确性。
了解所有数据的真正来源可以加快产品上市速度，也是提高数据质量的第一步。在基于云的系统中，根据使用情况支付存储费用，避免重复可以节省成本并提高效率。
4. 我的数据应该来自哪里？
了解数据来源会提出问题 - 它来自正确的地方吗？使用经过专门批准的权威数据源有助于确保更好的数据质量和整个企业的决策制定。
值得考虑的角色是负责离散数据集的数据内容所有者，以及提供描述支持数据质量，安全性和弹性的控件的数据控制摘要。这一点至关重要，因为虽然成功的数据治理策略可以消除许多风险，但它也会带来潜在的单点故障。
5. 我们分享了多少参考数据？
参考数据，如客户数据，产品数据，仪器数据或定价数据，是许多组织的生命线。
集中参考数据有助于提高组织的效率。例如，如果客户数据和文档在一个源中进行管理，则组织可以了解他们对该客户端持有的所有内容，并跨功能访问这些内容以提供无缝，明智的服务。
数据治理是一个持续的过程，通过结构化方法关注现实世界的业务问题可以取得成果。
（部分内容来源网络，如有侵权请联系删除）
