数据治理的定义：什么是数据治理？

数据治理（DG）是增长最快的学科之一，但在定义数据治理方面，许多组织都在努力。

Dataversity称DG是“有助于确保组织内数据资产正式管理的实践和流程。”这些实践和流程可能因组织的需求而异。因此，在为组织定义数据治理时，考虑推动其采用的因素非常重要。

该通用数据保护条例（GDPR）已经将数据治理的升级突出显著贡献。实际上，erwin的2018年“数据治理状况报告”发现，60％的组织认为监管合规是他们数据治理的最大推动力。

其他重要的驱动因素包括提高客户信任/满意度和鼓励更好的决策，但他们分别落后于监管合规性的49％和45％。声誉管理（30％），分析（27％）和大数据（21％）也是因素。

但是，如果不了解如何在这些环境中应用DG，数据治理的采用几乎没有什么好处。这可以说是过去数据治理的问题之一。

由于没有固定的定义，以及在IT中隔离数据治理的历史实践，组织通常对数据治理有什么不同的想法，甚至在部门之间也是如此。由于这种跨部门的脱节，不难想象为什么数据治理在历史上有很多不足之处。

但是，由于在GDPR中授权DG，组织必须在组织范围内定义数据治理以管理其成功实施，或者面临GDPR的处罚。

定义数据治理：期望的结果

在定义组织范围的DG计划时，一个好的起点是考虑所需的业务成果。这种方法确保所有相关方都有共同的目标。

过去的Data Governance 1.0示例主要涉及对数据进行编目以支持搜索和发现。这种方法的本质，加上DG计划通常在没有来自更广泛业务的投入的情况下孤立于IT部门的事实，意味着这种做法经常难以增加价值。

如果没有来自更广泛业务的投入，数据编目过程就会缺乏背景。通过忽略包括组织的主要数据公民 - 那些管理和/或利用日常数据进行分析和洞察的公民 - 组织数据经常受到重复，不一致和质量差的困扰。

现代数据驱动业务的本质意味着这些数据公民遍布整个组织。此外，许多关键数据公民（认为数据使用的增值方法，如数据驱动营销）并未积极参与IT部门。

正因为如此，Data Governance 1.0计划在令人沮丧的频率上失败了。

当然，对于将监管合规性确定为数据治理驱动因素的组织而言，这是个问题。考虑到数据驱动型业务的本质 - 不断捕获，存储和利用新数据 - 满足合规性标准不能被视为一次性解决方案，因此数据治理无法排除优先级并且不得不失败。

即使那些设法无限期地维持输入数据治理需求水平的企业，也会发现Data Governance 1.0方法需要。在监管合规性方面，缺乏与数据治理1.0相关的背景，以及导致的不准确性意味着潜在的严重数据治理问题可能毫无根据，并导致对违规行为的影响。

我们建议组织在实施DG时，不仅要将数据编目和合规性视为预期结果。在数据驱动的业务环境中，数据治理发现其作为增值计划的真正潜力。

将数据治理所需的业务成果确定为增值计划的组织也应该考虑数据治理1.0的缺点，任何未将增值视为业务成果的组织都应该问自己“为什么？”

许多21的最大市场干扰的ST世纪已经数字精明的创业公司具有强大的数据策略-想制作的Airbnb，亚马逊和Netflix。如果没有高数据治理标准，这些公司就无法对其数据充满信任，无法自信地采取这种数字优先战略，使其难以管理。

因此，在数据驱动的业务时代，组织应该考虑数据治理2.0战略，DG将成为一个组织范围的战略计划，从IT范围中解除实践。

这种对数据治理的协同作用本质上涉及数据在治理过程中的最大受益者和用户，这意味着数据编目等功能可从更大的背景，准确性和一致性中受益。

这也意味着组织可以更好地信任他们的数据，并更有把握地满足监管合规性的标准。这意味着组织可以通过更准确的分析和分析方法更好地响应客户需求，从而提高满意度。这意味着组织不太可能遭受数据泄露及其相关损害。