什么是数据治理？数据治理可以获得哪些优势？

大多数组织了解他们的业务资产，包括对技术，人员，基础设施，库存等的投资。他们已经开发并实施了正式的政策，流程和系统来管理这些资产，以确保最大化的回报，同时最大限度地降低业务风险。令人惊讶的是，企业的一件事将会对数据产生重大影响。很少有人将他们的数据视为战略资产，并且很少有人实施正式的数据治理策略以最大化该资产的回报。部分原因是由于缺乏理解，许多人将数据管理混淆为数据治理，部分原因是缺乏对数据治理带来的好处的认识。在这篇文章中，我将提供一些问题的答案 - 什么是数据治理？数据治理可以获得哪些优势？在开发数据治理计划时，有哪些关键考虑因素？

首先，让我们区分数据管理和数据治理。数据管理经常被错误地假设为数据治理，而实际上两者完全不同。数据管理最好被描述为管理数据的后勤工作。它通常由IT所有，其特点是一系列标准工具，用于收集，验证，存储，组织，保护，处理和维护您的数据。另一方面，数据治理比数据管理更全面。它是一个业务驱动的程序，涉及一个跨功能的过程，可以最大限度地提高数据的价值，同时最大限度地降低数据不良的风险。在下图中，我们展示了人员，流程和技术的交集。数据管理存在于Process and Technology的交叉点，

数据治理是人，流程和技术的融合。人们是这个等式的一部分这一事实意味着数据治理远不止数据管理。它是关于建立共识，拥有所有权和克服狭隘的障碍。它不仅使IT和业务部门能够利用数据作为资产的优势，而且还定义数据所有权和政策，决策权和升级程序。换句话说，数据治理确定谁拥有数据，数据的创建方式和人员，数据的更新方式和人员，以及在出现分歧或确定新需求时对决策进行仲裁的人员。

明确定义和理解的数据治理计划有许多好处。这些包括：

- 增加业务数据的价值

- 减少操作摩擦

- 确保合规性

- 定义解决数据问题的标准流程

- 提供数据所有权和责任的透明度

简单地说; 这些好处可以帮助您使用数据获得竞争优势。

在开发程序时，有六个关键考虑因素包括：

- 透明度

- 可审计性

- 问责制

- 检查和平衡

- 标准化

- 更换管理层

透明度：   您的数据治理流程应具有透明度。所有参与者都应该清楚如何以及何时将与数据相关的决策和控制引入这些过程。当然，透明度我们并不是说缺乏安全感; 相反，我们建议，对于任何与数据相关的活动，正确的人应该能够发现正在发生的事情。

可审计性：   如果您的计划重点不是合规性，那么很容易忘记其他人可能需要审核您的工作和决策。你必须在这里取得平衡。与您的数据治理计划相关的数据相关决策，流程和控制必须是可审计的，并包含必要的文档以支持基于合规性和运营审计要求。

问责制：   在开始开发文档时，问责制往往缺乏或令人困惑。但是，您的数据治理计划必须定义跨职能数据相关决策，流程和控制的职责。利用这个机会来寻找NOBODY似乎有责任的情况，或者列出许多组负责解决当前感知的问责制中的差距和重叠。

检查和平衡：在定义职责时，您需要在业务和技术团队之间以及创建/收集数据的人员，管理数据的人员，使用它的人员以及引入标准的人员之间引入检查和平衡。和合规要求。建立适当的制衡机制对于指导积极参与您的计划非常宝贵。

标准化：   您的数据治理计划需要解决企业数据的标准化问题。这可能是令人生畏的，但请记住，并非一切都可以标准化 - 也不应该。但实现数据标准化是许多高价值业务和IT项目的先决条件。这是一个考虑数据主要用途的领域，并将重点放在这些特定方案中的数据规范化上。

变更管理：   您的数据治理计划必须支持主动和被动变更管理活动，以获取参考数据值以及主数据和元数据的结构/使用。简单地说，如果您希望在涉及数据的项目中获得可持续的成功，那么您需要控制数据变化的方式和时间。同样，通过支持MDM项目的数据治理计划，您不仅需要考虑数据更改，还需要考虑数据模型，分类法等的基础更改。

考虑到这些因素，您已准备好开始开发数据治理计划，该计划利用数据作为公司的战略资产，并帮助您在日益增长的数据驱动市场中获得竞争优势。

您准备好为您的企业实施有效的数据治理计划了吗？Amplifi可帮助公司为每个独特的业务案例构建正确的流程。