新的元数据成熟度模型

以下是我用来确定一家公司所处阶段及其迈向分析驱动型文化的下一步的方法：

零阶段：
处于零阶段的公司要么完全缺乏对元数据的认识，要么看不到它的价值。许多非常早期的组织或技术含量非常低的公司到目前为止都做得很好，不需要在这个领域进行投资。
这些公司通常拥有规模有限的单一数据源，并且其数据和分析 (D&A) 环境的整体成熟度非常低。这些组织没有关于其元数据的文档，因此，其余属性是无关紧要的。无利用率、无流程、无连接、零可访问性。
零阶段之后的下一个阶段通常发生在公司因规模或运营规模的增加而开始面临痛苦时。它从孤立的项目开始，记录元数据以符合指标定义，并降低人们离开公司并带走他们的分析专业知识的风险。

意识到：
记录元数据的好处越来越明显，但过程是高度非正式的。文档仍然在孤岛和静态文档（如 Google Docs、Git 或 Confluence）中完成，没有连接到数据系统，也没有围绕文档更新的过程。正在记录的元数据仅限于最常用的表和列。此外，重点仅放在工程和 IT 等技术职能部门使用的数据上。通常，由于信息共享和透明度（特别是数据和分析）方面的限制，这些组织对分析的访问也非常受限。

下一阶段是形式化的开始。随着数据的治理和业务用例开始逐渐增加，对更透明的数据访问的需求也在增加。这通常是组织开始寻找正式解决方案的阶段。并采取第一步将数据推送给每个功能使用。

数据驱动：
这是采用成为关键因素的第一阶段，因为数据和分析解决方案的采用是衡量公司数据驱动程度的代理指标。
几乎每个组织都表达了更多的数据驱动的愿望，但数据驱动的定义是非常主观的，具有截然不同的环境和流程的公司通常将自己定义为数据驱动。
在这种情况下，数据驱动不是最后阶段，因为数据只是故事的一半。如果没有关于如何正确使用它的说明，它的价值值得怀疑，甚至会造成损坏（我喜欢将数据与烘焙组件进行比较的类比。如果没有详细准确的食谱，你的蛋糕将无法按照应有的方式组合在一起或可以）。处于数据驱动阶段的公司至少已经实施了数据字典。他们已经将多个数据库中的所有模式映射到列级别，并开放了对该文档的访问权限，以访问治理和财务等其他功能（只是一个数据字典，它仍然没有真正提供分析功能）。这些数据字典解决方案仍然严重依赖人工干预，

从这里开始的下一阶段将公司带入企业信息管理领域。这就是治理框架和业务流程对组织的成长和稳定至关重要的地方，因此元数据文档的形式化不再是“可有可无”。那是“治理”阶段……

治理：
直到最近几年，这个阶段是为财富 500 强公司、联邦或政府办公室以及重视合规性的大型企业集团保留的。
他们实施企业数据治理和数据编目解决方案是因为他们不得不这样做，而不是因为他们想要这样做。差异可能看起来很小，但实施过程却大不相同，而且众所周知，采用率很低。
有了完整的数据目录解决方案，组织就有了正式的流程来记录数据和业务词汇表。他们着手进行项目以映射尽可能多的数据并将业务词汇表直接与数据联系起来（尽管仍然非常手动）。在这个阶段，公司认识到他们可以通过提供透明、可靠和值得信赖的数据来获得竞争优势，供分析和业务团队使用。这些公司在受管控的环境中优化了自助服务分析。
由于这些组织数据格局的规模，该过程需要尽可能自动化，并尽量减少手动更改管理。

下一阶段是巨大的文化转变，如开头所述，当采用成为关键因素时就会发生。除此之外，公司需要开始推动流程并实施解决方案以推动采用。采用是衡量文化变革是否成功的唯一标准。

分析驱动：
使用有趣的烘焙类比，分析驱动意味着所有成分都以最高质量提供，并且每个人都可以访问多种易于遵循的食谱。
如果数据可用且分析定义明确，正式流程和决策制定将更加直观、快速，最重要的是，可靠！
在这个阶段，分析和数据科学团队不再忙于重做工作或质疑分析的准确性，他们能够投入时间进行新的探索、试验，并利用他们带来的数据发挥创造力，以推动业务增长。
为了达到这个阶段，公司需要首先为业务服务的现代技术。它不是关于编目数据——而是关于创建一个统一的、全局的、实时的语义层和一种将数据和业务术语结合在一起的语言。
语义层需要跨越每个数据源并包括每个模式、表和列，但除此之外，它还需要在其业务上下文和要提取的查询中涵盖所有公司的分析、正式的业务问题和官方业务指标数据的结果。有了这些流程，每个职能部门的每个人都可以访问可重复使用的分析，并获得始终一致的准确性和结果证据。

很容易看出这个阶段如何打破孤岛、推动采用并创建真正的分析驱动文化。