数据治理的未来

数据已成为我们数字经济的命脉。并且为了提取其全部价值，必须管理和管理数据。因此，本文的标题和我主题演讲的主题：数据治理的未来现在。

数据治理的演变

数据治理绝不是一种新的做法 - 而是一种不断发展的做法。当我刚开始从事这个行业时，它并不是真正的“治理”，但无论如何人们都在这样做。他们聚集在一起围绕数据做出决策，例如如何定义客户，如何确定客户的最佳代表性以及如何确保记录具有高质量，在无数其他人中。很多时候，这些活动是为了响应另一个项目而完成的，例如ERP实施，数据仓库的创建或MDM解决方案的实施。尽管治理是针对具体项目的，但仍然是治理。随着需求的增长，公司意识到围绕治理更有组织的价值。

随着时间的推移，治理被赋予了额外的燃料，其中包括巴塞尔I，II和III以及Dodd-Frank等监管要求，这加强了组织对监管报告的关注。随着新趋势，技术和业务驱动因素（如自助服务分析和数据隐私）的出现，数据治理将继续转变，以满足数据驱动型企业的需求。

数字化转型之旅正在进行中

无论目标是改善客户体验，提高创新速度还是缩短产品上市时间，很明显大多数企业都已着手实现数字化转型。这种情况在所有行业都以令人畏惧的规模发生，具有不同的成熟度。

这对时间至关重要。感觉如果每个人都这样做，那么终点线上的第一个获胜。公司正在争先恐后地弄清楚数字转型对他们意味着什么。不同公司的目的和步伐会有所不同，但有一个方面对所有公司都意味着同样的事情 - 数字化创造的数据量将会飙升。

由于数据治理确保合适的人员参与确定项目，主题领域和业务线的数据标准，使用和集成，因此良好的数据治理将成为所有数字化转型计划的基础。

数据理解

数据理解是指了解数据来源及其含义的能力。简而言之 - 我在谈论起源，来源和血统。数据无处不在企业中，并且正在快速向外部获取。数据的来源或谱系对于确保适当使用至关重要。如果你不知道它来自哪里，你怎么能相信它？你怎么知道它的质量水平？

元数据是所有数据工作的基础，应该是数据治理计划的首要任务。如果不了解数据意味着什么，它来自何处或如何分类，几乎不可能取得任何进展。您无法定义质量级别，访问权限或使用指南。因此，如果您要了解数据和可以从该数据中获得的值，那么您需要拥有元数据。

您的元数据战略支持关键业务目标和方向非常重要。元数据的元数据不是一个可持续的计划。确定支持数字化转型所需的元数据，遵守通用数据保护法规（GDPR）或其他法规，控制数据泄露等。如果您的数字转型工作专注于最大化客户体验，那么您需要关注流程收集，管理和改进客户体验计划所需的数据元素的元数据 - 客户主数据，联系人数据，情绪数据或购买模式。

数据沿袭采用相同的方法。识别和记录与所有数据相关的所有谱系将是一项非常昂贵且冗长的工作。专注于重要的谱系数量，并创建一些标准来说明“足够的时候”。这也适用于数据谱系的粒度。您可以从大图数据流开始，然后深入了解数据元素的哪些属性来自哪些系统，然后是如何组合和转换它们。对于一些用于监管报告的数据，有必要具有显着的粒度和准确性。对于其他人，也许不是那么多。

如果时间和金钱投入到元数据中，那么人们可以访问并使用它来确保他们了解数据的含义，来源，准确性和及时性，这一点至关重要。这意味着能够通过悬停功能轻松查看应用程序层的数据元数据。也许它是一个直观且易于访问的数据目录，可帮助报告构建者和分析人员了解可用的数据，其他人如何使用数据或使用频率。保留协作实例和相关工件，以提高生产力和效率。专注于工具功能，不仅可以产生，还可以传播工作。

最后，构建元数据语料库可能是一个漫长而艰巨的过程。如果由少数人选择，则需要一段时间。确定一种利用众包的方式，然后当人们做出贡献时，向他们提供认可和赞赏，鼓励他们继续这样做 - 并影响他人做出贡献。

数据隐私和道德

隐私是指某些数据对一个人非常敏感而不应该被共享的概念，无论是因为与该数据相关的风险，还是因为它是个人的。隐私在世界上大多数国家都有法律依据和立法来保护它。相比之下，道德是一种自愿的代码，概述了个人责任。道德规范在数据管理，使用或数据如何参与决策方面发挥作用。

隐私法规变得越来越严格和越来越严格：GDPR，ePrivacy和加州消费者隐私法案（CCPA），仅举几例。通过关注个人和消费者，最细粒度的客户信息，这些监管要求可能非常具有挑战性。

在我们的数字世界中，我们不断创造，使用和共享数据。简单的指导方针和标准不能涵盖所有情况。作为数据治理和管理专业人员，我们需要认识到，我们是数据创建，收集，共享和使用的核心，并且由此产生的决策可能是道德或不道德的。

请记住，人们认为私人或道德上可接受的内容取决于文化和年龄，并且可能随时间而变化。

虽然去年数据泄露的平均成本为362万美元，但不遵守GDPR的实际成本或隐私或道德违规造成的声誉损害可能是致命的。治理必须涉及使用数据的项目，以确保它们符合隐私标准。为所有项目启动隐私和影响评估，并将设计隐私纳入项目和软件增强的开发阶段。通过教育人们如何将隐私实践集成到所有数据管理活动，数据共享和数据使用中，创建数据隐私文化。

您可能还需要考虑创建数据伦理框架，以此作为实现道德文化的一种方式。该框架应该围绕什么被认为是道德的（和什么不是）来称呼原则和指导，并且可以包括数据伦理政策。这种“强制”方法可以帮助人们认识到数据伦理的目的和价值，并有助于建立一个更具伦理意识的社区。

最终，目标不仅仅是制定政策，而是拥有一种数据伦理文化，使用该框架来制定数据道德决策。为了实现这一目标，利用所有组织变更管理功能来提高数据伦理思维的认识和采用非常重要。

扩展数据治理

治理需要展示超出监管要求的价值，以显示数据的直接业务价值。治理的潜力不仅限于数据。例如，报告，分析和模型也需要理解，透明度，可审计性，质量和信任。

建立在您已经创建的基础之上，不要重新发明轮子。专注并实施增量增长战略。您永远无法捕获100％的元数据，也无法捕获100％的血统。因此，重点关注提供业务价值的内容，以及如何从有价值的内核开始，然后逐步扩展。

还记得当我们围绕“思考计划，而不是项目吗？”的数据治理理念时，现在是时候“思考运营和嵌入，而不是计划。”对于治理来解锁企业范围内的全部价值，它需要是数据的人力资源是为人民服务的。

随着治理的采用扩展到整个企业，对支持数据治理的技术需求也在不断增加。与前所未有的透明度和可审计性相比，更少的人需要做更多的工作。

这将数据治理的视角转变为提供尽可能接近数据使用点的支持，目标是使数据公民能够自我管理。当然，自由带来了巨大的责任。在这里，创建数据隐私文化，数据伦理文化 - 实际上是数据治理文化 - 至关重要。在某一时刻，治理团队只能这么做。如果他们能够专注于赋权而不是控制，他们将能够支持更多需求和数据量更大的人。

这不仅仅是音量。需要涉及的功能范围创造了对技术支持的需求。步伐已经改变，因此利用机器学习和人工智能来补充人们的参与，并在需要的时间内完成工作。

最后，不要忘记衡量交付的价值。麦肯锡2018年的一项研究表明，在数字化转型方面，最成功的研究重点是评估和衡量所创造变革的影响。在报告其组织监控KPI作为实施的一部分的受访者中，51％表示成功，而未监控KPI的受访者中只有13％表示成功。

云中的数据治理

在云优先的环境中，存在对数据的控制较少的感觉，事实上，数据向云的移动创造了对更多治理的需求。您是否知道您在云中拥有哪些数据，谁将数据放在那里，它是否应该存在以及它是如何受到保护的？

多个基于云的应用程序之间的数据集成可能很复杂。新的基于云的工具集需要集成数据治理实践。虽然可能有明确的价值主张将实际数据放入云中，但由于数据量较多，因此您可能更难以理解内部部署解决方案的元数据以及内部解决方案的元数据。云解决方案。

虽然这不用说，但请确保您已经验证了供应商的治理方法。在某些情况下，安全和隐私标准高于您在内部完成的标准。采用以数据为中心的方法来开发策略意味着了解您的数据和信息需求，以及您的功能和技术要求。在实施云解决方案时，了解这些解决方案的数据需求非常重要，因此您可以将这些需求纳入云实施中，并确定解决方案中提供的内容与您需要做的补充之间的差距。

云正在成为新常态，因为它提供了现有的低成本替代方案，因此许多公司都采用云优先策略。如果您正在转向基于云的战略，请利用其创建的机会从数据中心的角度进行潜在的重新设计。确定如何管理共享数据，创建数据共享标准并利用元数据来跟踪和管理共享。

数据团队的多样性

对于数据管理而言，包容意味着众包和多样化，这有利于创新，从而提高竞争力。包容性的副产品之一是认知多样性或视角和信息处理风格的差异。从本质上讲，这是人们思考和解决问题的方式的不同。多样性增加了创造力，理解各种观点的机会以及在尝试进行变更或启动新计划时考虑各种观点的能力。这种广泛的视角对于成功的数据计划至关重要，因为数据无处不在，对整个组织的人员产生了不同的影响。

同样，因为我必须关注演讲期间的可用时间，所以我特别强调了性别多样性。在我的家乡，科技行业，特别是VC，是王道。您是否知道前100家风险投资公司中只有8％的投资合作伙伴是女性？

与女性建立数据未来很重要，原因有两个。在这个快节奏，数据优先的变革世界中，我们需要尽一切努力保持竞争力并确保成功。其次，技术工人严重短缺。根据世界经济论坛的报告，在新技术融合的推动下，54％的劳动力需要重新进入第四次工业革命。

好消息是，在数据方面，我们在性别多元化方面取得了很大进展。事实上，Gartner预测，到2021年，首席数据官的角色将是所有技术附属的C级职位中性别最多的角色。我鼓励你保持势头，推动你的计划取得成功。

随着变革步伐的加快，我们需要增加创新机会，并创建更有可能提供创造性解决方案的团队。具有性别多样性的团队更有可能进行实验，具有创造力并分享知识。最近的研究还表明，性别多样性与盈利能力和价值创造相关。

没有预期的结果，这不是偏好。这是一种认识，即市场上缺乏技能，我们需要利用那里的所有资源。仅数字化转型将需要新的技能组合和资源。

对于我的数据同行中的女性，如果没有人加紧，也不要害怕伸出手来并要求拥有数据治理计划 - 或者申请一个看似无法覆盖的数据位置。