数据治理：简单实用

发布时间: 2023-04-12

2022年，全球数据治理市场达到32亿美元，这一数字与运营标签治理项目的显著成本相比相形见绌。尽管存在支出，但许多项目由于缺乏实用性和简单性：最大限度地减少未完成的工作量

通过更广泛地定义图表和权利，数据治理计划在什么地方软化到了框架之上。关键问题是你应该追求数据治理计划的哪些元素：所有者权益和所有权？委员会和理事会？政策和标准？数据质量？元数据还是元数据管理？数据安全和访问？问题管理？技术选择一个基本要素来实现计划的主要目的。今天，回答两个问题：什么是企业需要的结果，什么是稳健的从那里开始，将主要目的编入您的数据管理章程，并将其作为路线图的第一步

专注于目的并推迟休息

目的驱动数据治理计划将重点放在解决紧迫的业务需求和推迟许多业务需求上，但有两个注意事项。首先，数据治理计划可能会失败，没有专家或执行人员的支持，也没有关键利益相关者的支持。没有他们，任何目标都无法实现，但这并不一定意味着角色和责任需要立即履行

（ANTSTUDIO/Shutterstock）

识别主要用途，然后进行焦点监视–；听起来很简单，但并不明显。任何数据政府领导人都需要定义和解决三个问题

实用的五个支柱或元素，为什么不应该？他们拥有这些功能，但希望获得更多的收入。在扩张之前，用你的主要目的创造商业价值我遇到了许多客户，他们将症状归结为同一个问题：一家无法在trusted data中设置信任的公司，一家致力于改善数据质量的保险公司，以及一家无法保持不合格[/strong>的跨国金融服务基金每个人都用大方法来推进计划数据治理，而不是简单实用

可信数据

一家公司描述了他们为实现这一目标所做的努力：调查业务审查跨功能的所有阅读器都无法标记成员、度量标准的含义、从何处获取这些度量标准或如何进行企业管理。他们的数据管理计划的主要目的需要在数据中提高信任度。其结果看起来像是：

1. 确定有争议的关键数据元素
2. 协商并接受定义；将其编入业务词汇表
3. 使这些元素在数据集的来源中可用（如果您显示了不同数量的QBR，则您错了）
4. 将广泛使用的仪表板复制到数据源[/ol>

   简单。从这种方式中提取的数据管理元素是所有不被信任的数据。什么是没有信任的策略？为什么要提高没有人理解的数据的质量

   数据质量

    

   （GNILUSTRATOR/Shutterstock）

    

   所有解释性的仪表板都不是总是新鲜的，当它们新鲜的时候，数值的大幅度波动可能会导致信息的决定。它们的第一个主要目的是提高数据的质量。它们看起来像：

   1. 识别可靠的仪表板和关键数据元素
   2. 发现所有影响数据质量的尺寸，例如：
   1. 数据及时性–在没有服务级别协议（SLA）的情况下频繁出现管道故障意味着用户无法衡量数据的准确性
   2. DataAccuracy–改进了在混合多云环境中交换数据的工具，导致数据解释不一致性
   1. 基准数据质量测量；将配置文件和仪表板放在适当的位置
   2. 开始为早期混合多云技术供应商进行搜索
   3. 改进数据质量：定义SLA、重新调度表、标准化数据资产[/ol>

      简单。委员会和议会从路径上错过了，这大大提高了质量，但不是直接或快速地解决问题

      法规遵从性

      对于一家金融服务公司来说，新的监管不一致，重复性很强，而且在跨部门执行时浪费了时间。它们的第一个主要目的需要变得更加一致。它们看起来像是：

      1. 建立数据管理委员会、理事会，以及职责和责任明确的工作组
      2. 文件政策和标准是基本的合规定义和实施方法
      3. 实施和强制

      记住，保持简单、有目的、专注，并考虑到业务需求。这样你就可以在不断传递业务价值的同时建立自己的支柱

      关于作者：ShaydeChristianis是Cloudera的首席数据官，他在那里指导数据驱动文化变革，以从数据中产生最大价值。他希望Cloudera客户能够从他们的Cloudera产品中获得最佳的吸收，以便他们能够为竞争优势产生高价值的用例，或是信息管理机构的全面失败。他们开始屠宰并软化其原因

       

-