理解数据治理

无论是实施自助仪表板、制定报告程序以满足监管合规要求，还是界定双目标战略，似乎都出现了一个共同挑战：治理。在评估存在的业务和技术挑战时，经常会出现以下问题：
       我们如何确保源数据可以被信任？
       我们如何开发出一致和可重复的强数据质量参数？
       我们目前的数据能支持更好的客户体验倡议吗？
       我们如何利用分析来提供对我们业务的全面看法？
       所有这些都涉及到需要与组织的信息资产相关的一致的业务规则和流程。此外，当各组织开始了解这些问题与其总体信息管理战略的相关性时，它们准备开始制定一项强有力的数据治理举措，将治理要求与分析相结合。
       对于大多数组织来说，一个单一的数据仓库并不是现实。庞大的数据源、日益增加的复杂性、操作情报和信息多样性创造了一个需要一致和彻底的数据管理战略的环境。增加的复杂性意味着更多的移动部件和理解每个数据流程的复杂性的要求。
为什么治理？
       这突出了数据治理的重要性。数据治理机构将其定义为"与信息有关的进程的决策权和问责制度，按照商定的模式执行，这些模式描述了谁可以用什么信息采取什么行动，在什么情况下使用什么方法。更简单地说，数据治理包括管理数据资产所涉及的过程和框架。例如，各组织需要了解如何通过理解"客户"在不同部门中的含义以及如何对其进行全面管理来界定其数据。因为客户可以在组织内部有多个触点，所以持续管理这些交互变得非常重要。
       顾客的洞察力只是个开始。这些概念适用于所有类型的数据，无论是操作数据、事务数据还是分析数据。管理信息的方式将对如何使用信息产生影响。如果信息不能被信任，则几乎不可能从其使用中获得全部价值。
商业利益
       许多商业智能和分析项目集中在组织内有限的数据集。许多项目利益攸关方认为，在分析框架内进行治理就足够了。然而，现实情况是，数据治理应涵盖整个组织的所有数据资产，以形成对信息的一致看法，并提供一种方法，在出现不一致和潜在的数据质量问题时加以管理。

虽然技术和数据很集中，但强有力的治理影响到企业。更好的客户名单和对人口统计的了解，产品，供应商，合作伙伴等创造更多的能见度。如果使用正确，这种可见性有助于各组织更有效地管理其数据，并有助于确定潜在的机会和管理业绩。实际上，一些商业利益包括：

管理数据质量的能力，提高洞察力和提高洞察力的时间

加强各部门之间的合作
      更有效的数据管理，支持自动化分析和更广泛的业务见解
      组织的主要优势是治理做对了提供了更有效的信息访问和可见性，导致更好的分析。