实施数据治理 - 学到3个主要经验教训

福布斯最近的一篇文章（CIO注意趋势）确定了以下主要趋势：

1. 建立创新文化

2. 成熟的数据治理和维护

3. 从云中获取真正的价值

4. 掌握与网络安全相关的不断变化的威胁

5. 容器和微服务是IT敏捷性的驱动力

出于某种原因，数据治理占据了第二位。显而易见的原因是围绕数据隐私法规的所有关注，例如GDPR和CCPA，这是理所当然的。数据治理有助于通过元数据管理促进个人信息的清点和标记，并可通过操作模型帮助定义风险，优先级和业务需求。

数据管理变得“需要拥有”而不是“乐于拥有”的另一个原因是数据扩散继续呈上升趋势。数据以多种方式创建，不再始终被一致地摄取，标准化和记录。个人利用自助服务功能将数据集引入自己的孤岛。因此，组织发现很难知道存在哪些数据，它所在的位置，它的含义以及如何对其进行修改和利用。

文章还指出：有些人将数据称为新的商业石油。它确实是新的原油。问题是你如何将它从商品转变为精致的东西，你可以从中获得价值。“这是真的！”

我实际实现数据治理的三个关键学习是：

1. 初步评估和路线图是必要的。

2. 实现经常失败。

3. 如果您处于数据治理“维护”模式，那么很可能您还没有完全利用所有数据治理所能提供的功能。

初步评估和路线图是必要的

数据治理功能必须适合组织，并且理想情况下它是企业范围的方法。了解影响成功数据治理功能的各个方面的当前状态非常重要。 

· 是否存在可以与之对齐的整体数据管理策略？

· 数据治理功能需要支持哪些关键业务需求？

· 是否建立了治理结构，包括利益相关者，章程，角色和责任？

· 在利益相关者之间是否有确定和解决优先级问题的明确流程？

· 是否有定义的问题升级和解决流程？

· 是否已定义，开发和验证数据管理和数据隐私策略？

· 是否有一种方法可确保在整个数据生命周期内遵守与数据相关的政策，流程和标准？

· 是否存在根据利益相关者标准监控数据治理活动的指标？

· 如果元数据是数据治理计划的一部分，那么人员，流程和工具是否被定义，理解和遵循？

· 如果数据质量是数据治理计划的一部分，那么人员，流程和工具是否被定义，理解和遵循？

实现经常失败

需要建立数据治理来解决特定的数据管理需求，并且需要适合组织。就像敏捷一样，利益相关者需要实现和接受数据治理的迭代方面。失败的一个典型原因是数据治理活动的时机。例如：

· 让利益相关者过早参与其中没有任何东西让他们真正做到。更好的方法是确保定义运营模型和初始流程，然后开始吸引利益相关方。从基于初始关注领域的利益相关者子集开始，然后扩展可能是有益的。

· 为利益相关者提供角色，而不对该角色进行任何培训

· 安装数据治理工具，无需设计流程和工作流程

· 在没有章程，范围，目标或支持数据治理办公室的情况下继续进行数据治理，以确保取得进展

· 不发布培训和沟通，以提供计划实质内容

如果您处于数据治理“维护”模式，那么很可能您还没有完全利用所有数据治理所能提供的功能

一旦开发并正在运行，有很多方法可以利用可靠的数据治理操作模型。通常，组织可以启动数据治理功能，以确保开发和管理业务词汇表和其他元数据。然后，他们可以进入数据质量管理计划，利用已经识别的业务数据域所有者，业务数据管理员和技术数据管理员。随后，如果最初手动管理过程，则可以实施和配置工具以支持元数据和/或数据质量。之后，组织可以继续利用数据治理功能来确保策略到位并受到监控，以支持数据生命周期管理或法规遵从性。总体而言，范围可能包括：

· 元数据管理

· 数据质量管理

· 参考和主数据管理

· 数据生命周期管理

· 数据仓库/数据湖泊管理

· 法规遵从性

· BI和报告管理

· 数据政策管理

· 数据架构管理

这些领域中的每一个都可以利用强大的数据治理运营模式，尤其是数据治理办公室以及数据管理员，以确保定义需求，制定流程和标准，遵循最佳实践，并且合适的人员参与正确的时间。

尽管数据治理在开发过程中可能会有些流动和迭代，但仍有最佳实践和总体思路定位的路线图仍需要设计和遵循才能获得成功，并继续为组织增加价值。