数据治理：一些美好的开始

通常，当人们想到数据治理时，他们会考虑数据质量管理。确实如此- 数据治理可实现数据质量管理。但是，有许多企业数据管理功能可以通过适当的强大数据治理操作模型获得更多成功。下面，有个EDM计划，并描述了数据治理如何支持它们。

· 元数据管理

· 法规遵从性

· 主数据管理

· 数据质量管理

· 数据生命周期管理

· 整体企业数据管理

首先，什么是“强大的数据治理运营模式？”数据治理运营模式的基本要素包括确认的高管赞助，分配了角色和职责的定义组织，定义数据范围的章程治理能力（可以随着时间的推移而扩展），由角色定义和开发的沟通和培训计划，以及一系列一致的政策和程序，描述范围内数据治理计划的人员，流程和技术方面。

元数据管理

数据治理操作模型可以支持业务和技术元数据的捕获和管理。许多公司的工作人员表示他们不知道他们的数据在哪里以及它意味着什么。可以使用许多不同的工具创建技术元数据。理想情况下，可以提供强大的数据目录和谱系。此信息很有用，但该数据的业务定义是一项关键需求。

数据治理办公室可以协调公共业务语言的开发，甚至是受影响业务领域的业务术语表，利用数据域所有者和业务数据管理员，并确保将此信息与技术元数据集成以获得企业数据的完整视图，无论它居住在哪里。这种努力可以为组织带来的价值是巨大的。

法规遵从性

GDPR和CCPA等数据隐私法规加剧了企业范围内监管合规性的需求。数据治理运营模式可实现法规遵从的许多方面。例如，GDPR强调了对数据隐私合规性的需求。数据主体可以询问您拥有的任何信息的详细信息。他们可以要求您将他们的数据传递给其他组织，甚至是您永久删除他们的个人信息，特别是当您不再需要它时。

数据治理操作模型自然会通过元数据识别数据环境和格局。然后，通过数据治理程序开发数据框架可以非常容易地实现业务流程映射，风险分析和数据分类。数据域所有者可以通过理事会制定支持合规性的政策和程序，数据治理办公室可以开发适当的培训，并确保在数据治理知识库中存在适当的文档。

主数据管理/参考数据管理

许多组织开始实施MDM / RDM计划，没有数据治理运营模式。这种情况会产生许多问题，因为掌握数据的所有方面都需要业务输入，尤其是持续管理。虽然MDM计划包括开发和管理技术功能，允许输入业务规则来掌握数据并创建用于输入和更改业务规则的通知和工作流，但数据治理可识别角色和职责，决策权，业务需求，规则＆定义，以及支持MDM的标准化策略和流程。

业务数据管理员通过提供业务需求和管理黄金记录属性，层次结构，数据分类等在主数据管理中发挥关键作用，以确保在MDM或源应用程序中应用规则和更正以保持良好质量。

数据质量管理

数据治理和数据质量自然相互补充，无论是与新开发还是持续监控/维护相关联。强大的数据质量管理程序需要数据分析，定义业务规则以确保“正确”数据，实施这些业务规则，持续监控关键数据项，并确保采取纠正措施以继续提供高质量数据。 

数据治理办公室是协调和确保数据质量管理流程持续发展的重要领域。上述许多活动最好由业务数据管理员和技术数据管理员执行。如果没有数据治理计划，很难找到任何人“拥有”正在进行的流程以确保持续的高质量数据。

数据生命周期管理

数据生命周期以多种方式定义。简而言之，数据是创建，存储，使用，存档或销毁。数据治理有助于制定支持此生命周期的策略和过程。

例如，数据域所有者与公司的适当领域（风险，法律，合规等）合作，可以定义有关数据存储，数据架构，数据标准，数据质量，数据分类，数据访问，数据使用，数据共享和数据保留。然后，数据管理办公室可以与数据域所有者合作，在实施这些策略后确定适当的监控指标。如果没有数据治理运营模式，协调这些要求并确保合规是一项复杂的工作。

整体企业数据管理

自助数据管理正在成为许多组织的常态。这意味着，企业用户不仅可以创建自己的分析和报告，还可以操纵数据并在各自的数据孤岛中添加自己的业务规则。 

大多数组织经常需要的这种数据发现过程导致新数据集的创建。如果分析师在新数据集中添加输入并共享结果内容，那么组织如何确保与原始数据源保持一致？

数据治理可以帮助实现这一点！当今许多组织的目标之一是赋予用户权力并支持“新数据”的生成。一旦创建，有效设计的数据治理运营模型可以确保元数据，例如所有者，业务规则，使用的数据，计算方法，如何使用，工作流等，并将新数据集添加到组织元数据清单中。一旦进入清单，组织中的其他人就可以放心地发现和使用它。

总而言之，数据治理可以增强业务参与度，共享理解，关注和协调，将日益脱节的数据环境结合在一起，并在许多EDM计划中提供数据值优化。因此，从数据治理开始。这是美好事物的开始！