为什么你应该有一个数据治理策略

（在计算机运算中）“废料输入废料输出，无用输入无用输出。”自打孔卡和电传终端以来，这个座右铭一直是真实的。如今，复杂的IT系统同样依赖于高质量的数据，无论是在会计，生产还是商业智能方面，都能为用户带来价值。但是，数据不会自动正确地格式化，而是主动告诉您它隐藏的位置或应该如何使用。不，数据就是。如果您希望业务数据满足可用性，可用性，完整性和安全性标准，则需要数据治理策略。

一般而言，数据治理是组织的首要战略，以确保他们使用的数据清晰，准确，可用且安全。来自业务部门，合规部门和IT的数据利益相关者最有能力领导数据治理，尽管这个问题非常重要，足以引起CEO的注意。一些组织甚至指定一名数据治理官员负责全面收费。高级目标是拥有一致，可靠的数据集来评估企业绩效并做出管理决策。

临时方法可能会回来困扰你。数据治理必须变得系统化，因为大数据在类型和数量上都会增加，用户会寻求回答更复杂的业务问题。通常，这意味着设置获取和处理数据的标准和流程，以及确保遵循这些流程的程序。如果您想知道这一切是否值得，以下五个原因可能会让您信服。

原因1：确保数据可用性

如果用户无法找到为其供电所需的数据，即使商业智能（BI）系统也不会看起来非常智能。特别是，自助BI意味着数据必须足够容易定位和使用。在多年听说组织孤岛的罪恶之后，应该清楚的是，即使各个部门“拥有”数据，该数据的治理也必须在整个组织内以相同的方式进行。使用数据的授权可能受到限制，如敏感客户数据的情况，但用户不应忽视其存在，何时可以帮助他们开展工作。

可用性也是一个容易使用的适当数据的问题。现在有一种趋势是在非关系数据库或数据湖中存储来自不同来源的非结构化数据，可能很难知道正在获取什么类型的数据以及如何处理它。因此，数据治理首先要建立数据捕获，以获取您的企业及其不同部门所需的内容，而不是一切都在阳光下。然后，治理还确保应用数据模式以在存储数据时组织数据，或者确保用户可以使用工具处理数据，例如从非关系（NoSQL）数据库运行业务分析。

原因2：确保用户使用一致的数据

当首席财务官和首席运营官从不同的数据集中工作并得出关于相同主题的不同结论时，事情将变得困难。在企业的所有其他级别也是如此。用户必须能够访问一致，可靠的数据，以便比较有意义并且可以检查结论。这已经成为确保数据治理在整个组织中得到驱动的一个很好的理由，由管理人员，经理和数据管理员组成，他们拥有知识和权限，以确保所有人遵循相同的规则。

全球数据治理举措也可能源于提高部门级数据质量的努力，因为没有计划个别系统和数据库进行信息共享。数据治理团队必须处理此类情况，例如，通过协调部门信息资源。数据一致性的提高意味着执行层面的争论越少，对所分析数据的有效性的怀疑程度越低，对决策的信心也越高。

原因3：确定要保留哪些数据以及删除哪些数据

数据囤积的风险与实际囤积的风险相同。充满无用垃圾的IT服务器和存储单元使得很难找到任何有价值的数据或者之后做任何有用的事情。用户使用陈旧或不相关的数据作为重要业务决策的基础，IT部门的费用增加，以及数据泄露的漏洞增加。不幸的是，这个问题很常见。根据Veritas Data Genomics Index 2017调查，组织存储的数据中有33％只是ROT（冗余，过时或无关紧要）。

然而，事情并非必须如此。大多数数据不必保留数十年，“以防万一。”例如，零售业领导者沃尔玛仅使用过去四周的交易数据进行日常商品分析。良好的数据治理策略的一部分是仔细考虑哪些数据对组织很重要以及哪些数据应该被销毁。数据治理还包括员工确保数据不必要地重复的程序，以及根据年龄或其他相关标准进行系统数据报废（例如，归档或销毁）的策略。

原因4：解决分析和报告问题

数据治理的一个重要方面是整个组织的度量标准以及驱动它们的数据的一致性。如果没有明确记录的指标标准，人们可能会使用相同的词，但意味着不同的东西。当分析工具因部门而异时，业务分析就是一个很好的例子。自助分析或商业智能可以为企业带来福音，但前提是人们以一致的方式解释指标和报告。

当报告缺乏澄清时，诱惑往往归咎于技术。然而，根本原因通常是所涉及的工具和系统的错误配置。它甚至可能在他们错误的应用程序中，例如报告工具被错误地应用于生产数据库，触发性能问题，这意味着交易和分析都不能令人满意地完成。剥离和替换基本上合理的系统不是解决方案。相反，改进的数据治理带来更多的好处，更快，并且成本更低。

原因5：安全性和遵守有关数据治理的法律

不遵守数据规定的后果可能是巨大的，特别是在涉及私人信息的情况下。一个典型的例子是，2018年5月的欧洲通用数据保护条例（GDPR）规定了违规罚款最高可达2200万美元，占违法者全球营业额的4％，以较高者为准，对数据滥用或违规行为影响欧洲公民。

有效的数据治理有助于组织通过定义如何获取，存储，备份和保护数据以防止事故，盗窃或滥用来避免此类问题。这些定义还包括审计和控制的规定，以确保遵循程序。实际上，组织还将开展适当的宣传活动，以确保所有使用机密公司，客户或合作伙伴数据的员工了解数据治理及其规则的重要性。随着用户对自助服务解决方案的访问增加，教育和宣传活动将变得越来越重要，这些解决方案中固有的数据安全水平也将增加。

结论

如果您将数据视为战略资产，治理理念就会变得很自然。公司财务必须保持秩序，必要的监督和审计，必须保证工作场所的安全并遵守相关法规，那么为什么数据- 通常是关键的差异化因素和保密商品 - 有何不同？随着IT自助服务和最终用户授权的增长，良好数据治理的重要性也在增加。业务用户在发现趋势和做出决策方面的自主权可以帮助企业提高响应能力和竞争力，但如果它建立在数据无政府状态的基础上则不行。

有效的数据治理也是一个持续的过程。政策定义，审查，调整和审计以及合规审查和质量控制都作为数据治理生命周期定期生效或重复。因此，数据治理永远不会完成，因为关于数据的新来源，用途和规则也从未完成。对于商业智能等环境，特别是在自助服务环境中，良好的数据治理可帮助用户以正确的方式使用正确的数据，正确生成业务洞察并做出明智的业务决策。