数据治理可以灵活吗？

这个问题的答案是肯定的，数据治理肯定是敏捷的。但是，与数据管理解决方案的开发一样，确实需要进行一些初始设置。

数据治理模型可以是松散的或高度结构化的。我最初的经验很多就是我称之为“草根”的数据治理。然而，最近作为一名顾问，我也参与了更多结构化的方法。有很多方法可以“做”数据治理，因为有组织“做”它 - 这是可以的。您决定采用的方法应该是与您的组织文化，数据管理成熟度级别，数据治理目标和结构需求相关的方法。

在组织中启动数据治理功能所需的一些初始基础活动包括：

• 一个发现阶段，用于评估情绪，确定利益相关者，识别机会（和业务价值）并关注领域，并开始制定目标和数据治理路线图。
• 基础实施阶段，用于定义围绕数据治理的组织，沟通和教育利益相关者，确保执行支持以及分配数据管理员。

遵循这些初始步骤，数据治理程序可以设置为高度结构化的组织和一组具有工具和模板的已定义流程，也可以将其设置为一个结构较小的团队，他们共同努力实现目标和工作通过路线图。

无论采用哪种方法，敏捷部分都可以发挥作用。例如，当我们使用术语敏捷来构建数据仓库时，我们通常会描述发生的迭代开发。这可以实现，因为要开发的主题区域可以被识别，优先排序并分解为版本，并且版本可以分解为更小的工作迭代或冲刺。使用数据治理计划也可以这样做。 

许多组织将开始努力创建数据字典，或开发标准业务语言，甚至定义每个数据域并相应地为整个组织分配数据管理员。采用这种方法，在短期内没有任何价值实现，这是一大堆前期工作。其中许多举措最终都失去了动力。

另一种更敏捷的方法是根据战略项目或业务需求确定较小的数据治理计划，并从那里构建。通过这种方式，组织可以让所有人了解进度和决策，但工作量有限且重点突出。并且可以更快地实现计划的业务价值，从而增加兴趣。有些人可能担心采用更灵活的数据治理方法可能会导致孤立的决策。这是一种风险，但如果您在设定基础阶段时考虑到“全局”，风险就会降低。