- 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：2019-09-04来源：知乎浏览数：542次
什么是数据治理策略？
数据是公司资产。为了更快地做出决策，用户必须信任它。数据治理打破了整个企业中不同系统的数据孤岛，并建立了一套流程，标准和策略，以使企业范围内的数据可以消耗。自动数据治理平台可以快速安全地将可信数据提供给需要它来执行工作的业务用户。协作是整个组织成功使用数据的关键。所有业务用户都需要知道在哪里可以找到正确的数据，并对数据的含义有共同的理解。可用业务数据的数量，种类和范围呈指数级增长，使得查找，理解和信任变得越来越困难，尽管这对于从中获取价值至关重要。
系统就位 - 就像受管理的数据目录一样 - 使用户能够以业务术语理解数据，同时还建立数据集之间的关系和关联。要做到这一点，首席信息官需要与首席数据官（CDO）合作，管理以治理为基础的数据战略，将正确的数据传递到正确的手中以推动业务转型。
CIO和CDO必须在提供业务方面相互支持，而且两者都不能单独成功。要使数据治理策略取得成功，每个业务负责人必须在其DNA中拥有数据。CDO的任务是构建这些组织实践和行为，以协调这一基础变革，从而成为一个数据驱动的组织。
为了确保在正确的时间掌握正确的数据，组织必须通过快速采取敏捷数据流程，使业务更快地移动并对内部和外部更加敏感，从而无情地识别和减少不良数据孤岛。数据需求。最重要的是，他们需要确保团队与共同愿景保持一致，并以务实的方式推动预期结果。
数据几乎渗透到业务的每个方面，是数字化转型的基础。治理工作应与数字化工作紧密相关。深入研究云，物联网，人工智能和机器学习等技术，在组织能够充分发挥这些技术的全部潜力之前，必须采用数据治理策略。在实施新技术时，数据通常是最大的问题，而且越来越多的消费者受到数据驱动决策的影响。数据必须正确且无偏见，才能使技术产生正确的影响。有缺陷的数据只会减缓数字化转型。
例如，在Forrester首届数据战略和见解会议上，我们了解到人工智能支出由于缺乏对算法数据的信任而停滞不前。数据治理是这个问题的解决方案，提供数据可见性和数据质量的好处 - 如果不实施健全的治理，就不会对AI产生信任。
元数据管理
数据治理操作模型可以支持业务和技术元数据的捕获和管理。我和很多公司的人交谈过，他们表示他们不知道他们的数据在哪里以及它意味着什么。可以使用许多不同的工具创建技术元数据。理想情况下，可以提供强大的数据目录和谱系。此信息很有用，但该数据的业务定义是一项关键需求。
数据治理办公室可以协调公共业务语言的开发，甚至是受影响业务领域的业务术语表，利用数据域所有者和业务数据管理员，并确保将此信息与技术元数据集成以获得企业数据的完整视图，无论它居住在哪里。这种努力可以为组织带来的价值是巨大的。
无论是与新开发还是持续监控/维护相关，数据治理和数据质量自然相互补充。强大的数据质量管理程序需要数据分析，定义业务规则以确保“正确”数据，实施这些业务规则，持续监控关键数据项，并确保采取纠正措施以继续提供高质量数据。
数据治理办公室是协调和确保数据质量管理流程持续发展的重要领域。上述许多活动最好由业务数据管理员和技术数据管理员执行。如果没有数据治理计划，很难找到任何人“拥有”正在进行的流程以确保持续的高质量数据。
数据生命周期管理
数据生命周期以多种方式定义。简而言之，数据是（1）创建，（2）存储，（3）使用，（4）存档或销毁。数据治理有助于制定支持此生命周期的策略和过程。
例如，数据域所有者与公司的适当领域（风险，法律，合规等）合作，可以定义有关数据存储，数据架构，数据标准，数据质量，数据分类，数据访问，数据使用，数据共享和数据保留。然后，数据管理办公室可以与数据域所有者合作，在实施这些策略后确定适当的监控指标。如果没有数据治理运营模式，协调这些要求并确保合规是一项复杂的工作。
