数据治理与数据管理：有什么区别？

如果今天有任何定义成功企业的东西，那就是公司数据的成功理解，使用和策略。

了解您的数据并确定如何实施它会带来一系列问题，包括用户和利益相关者：数据是如何存储的？我们怎么知道它及时准确？我们可以相信吗？什么是我的问题的最佳数据？

这些问题的答案并不容易，但有几个领域提供了组织和解决这些问题的方法：数据管理和数据治理。虽然这些术语经常互换使用，但它们是完全不同的程序。在本文中，我们清除了有关数据管理和数据治理的任何混淆。

数据管理：IT实践

让我们从更基本的部分开始 - 数据管理。毕竟，如果您没有可靠的数据管理，那么其余的数据世界将无法实现。

数据管理最好被视为一个IT程序，其目标是组织和控制您的数据资源，以便在用户呼叫时可访问，可靠和及时。

从这个管理角度来看，负责数据管理的IT团队可能依赖于全面，定制的实践，理论，流程和系统集合 - 一整套工具 - 收集，验证，存储，组织，保护，处理，以及维护数据。毕竟，如果数据处理不当，数据可能会损坏或无法使用，变得完全无用。

重要的是，数据管理包含数据资产的整个生命周期，从最初的数据创建到数据的最终报废。

数据管理可以包括许多相关的字段和类别，包括与贵公司相关的以下任何内容和类别：

• 数据治理和数据管理
• 数据架构
• 数据质量管理
• 数据仓库
• 商业智能和分析
• 元数据管理
• 数据安全管理

数据治理：业务战略

如果数据管理是数据的后勤，数据治理就是数据的策略。

数据治理应该比数据管理更大，更全面，因为它是：作为一个重要的业务计划，治理需要政策，最好通过公司达成共识。

数据治理的目的是为公司如何确定数据的财务收益并确定其优先级提供切实的答案，同时降低数据不良的业务风险。数据治理需要确定在什么情况下可以使用哪些数据 - 这需要确切地确定哪些可接受的数据：什么是数据，在哪里收集和使用，必须准确，必须遵循哪些规则，谁参与各种部分数据？

重要的是，数据治理必须超越IT并包括整个企业的利益相关者。为了确保所有数据的安全性，可靠性和可信赖性，治理要求所有业务领域的利益相关者参与其中。考虑替代方案：如果每个业务孤岛以不同方式处理其数据策略，最终结果将是混乱的，并且可能不够全面，无法发挥作用。

确定数据治理可以包括广泛的流程，实践和理论。它可能与许多数据领域重叠，如安全性，合规性，隐私性，可用性和集成。最终结果可能是某个系统确定决策权，并且负责确定流程和个人，例如何时使用哪些数据流程，以及哪些人可以在特定情况下采取某些行动。

最终目标是确定控制数据资产的整体方法，以便公司可以从数据中获得绝对最大的价值。

确定数据治理的好方法？它不是由技术定义的。相反，技术应该通过自动化，扩展和扩充来支持数据治理。

数据治理从一个理论（或几个）开始，但通过创建以下内容可以变得有形：

• 数据质量定义，用于确定数据的状况，以及其可信赖性和对数据策略的遵守情况
• 一个业务术语表，它记录了所有数据的意义，确保透明度和防止不必要的重复
• 角色和职责，为谁关心和维护哪些数据提供组织结构
• 管理数据目录，用于定位和促进对数据的理解。更高级的目录甚至可以根据先前用户访问数据的方式将数据分组到各种相关集合中，这可以提供额外的意义，洞察力和组织。
• 元数据创建，将技术流程与特定数据实现相关联，以及生成，使用或影响数据的任何内容。这甚至可以跟踪数据的“谱系”，或跨不同部分的数据关系，例如类似含义内的数据，业务流程数据，以及特定于部门，业务单位，应用程序，其他产品甚至内部或外部的数据地区。

例如，许多数据治理专家还建议组织数据系统以促进公司员工的积极参与。这可以允许用户指示数据何时不正确或直接修复它，这可以促进更高质量的数据，但也相信数据是强大和准确的。

数据治理的好处

一旦建立了数据管理流程，数据治理就是合乎逻辑的下一步，因为这些指导可以提供许多好处，包括：

• 增加公司数据的价值
• 通过了解您将关注的内容以及您选择跳过的内容，降低其他数据管理子集中的成本
• 整体提高企业收入
• 标准化数据系统，策略和过程
• 确保正确的监管和合规程序
• 帮助解决数据问题
• 促进透明度
• 围绕数据建立培训和教育

在概念或实践中，数据管理和数据治理不是一回事，但它们对于确保公司中数据的成功和有价值的使用至关重要。