不再有肮脏的数据:关于数据治理的五个提示
发布时间:2019.01.09来源:亿信华辰浏览量:74次标签:数据治理
尽管商业智能是获取和保持客户、充分衡量公司业绩和提供灵活性的关键工具,但挑战依然存在。其中最重要的一个:数据治理。
虽然数据治理对于成功的双数据库和数据仓库工作至关重要,但这并不容易。拯救:五个你可能犯的肮脏的数据行为,以及五个清除它们的方法。
第1号肮脏数据做法
你认为买最酷的商业情报工具就足够了。
你的双报告工具只能和你提供给他们的信息一样好(也就是说,“垃圾进来,垃圾出去”),这可能是一个真理,但这并不意味着正确的行动是给定的。IT咨询公司Ovum的主要分析师Ian Charlesworth说,由于大多数机构仍然对数据持孤立的观点,数据治理仍然是一个难题。数据往往被隔离在不同的业务单元中,被输入、处理和查看的方式也不同,使得“一个版本的真相”变得不可能。
把它清理干净,知道你的数据。
数据治理的第一步是建立一个清晰的数据视图;找出你拥有什么,信息是否可靠,哪些数据是有益的,但以前没有使用过,哪些数据被损坏,以及它在项目中重复了哪些信息。并确保向利益相关者传达没有数据治理的成本和创建数据治理的价值。
第二号肮脏数据的做法
你会拖延,直到你可以做一次彻底的检查。
一种要么全有要么全无的方法几乎肯定会失败。首先,在时间和资金有限的情况下,一次性控制所有数据是不现实的,在有可能进行这种彻底检查的组织中,用户的抵制几乎是必然的。
把它清理干净,从小处开始,往大处想。
根据您的总体愿景,而不是全部或全部地优先考虑数据治理的最关键方面。例如,Charlesworth建议将重点放在四个关键领域。
创建数据质量流程和过程,并在可能的情况下将其嵌入到数据创建或捕获点。例如,在订单输入系统中创建数据验证例程,或为名称和地址命名建立企业标准。
指派一名数据管理员.这个人应该是企业内部的人,能够在整个企业中维护和执行数据质量做法。这个人应该对企业使用数据的方式和地点有深入的了解,并且知道谁可以在企业和企业之间充当联络人。
创建主数据管理解决方案。首先,这意味着为整个业务的核心信息资产分配唯一的标识符,如服务代码、客户定义等。
集成元数据。元数据为IT和业务提供重要信息,将复杂信息放入外行人的术语中,并传递关于基础数据语法、语义正确性等重要信息。
第3号肮脏数据做法
数据治理政策已经制定——不要再担心了。
数据治理通常是结合特定的数据仓库或bi项目开始的。然而,如果你认为数据治理是一个“项目”,那么你的努力就注定要失败。成功的数据治理取决于企业对技术和文化基础的长期承诺。
把它清理干净,建立数据管理文化。
正在进行的培训和衡量数据治理效益的关键里程碑可以帮助保持用户雷达上的质量控制。成功的数据治理还取决于高级管理人员的专门赞助。Charlesworth说,首席信息官通常是这份工作的最佳人选,因为首席信息官可能将前瞻性思维与专注于流程、资金和技术方面的效率结合起来。有些公司甚至专门为该职位设立了一个c级头衔,例如首席数据官或首席数据官。
第4号肮脏数据做法
你让繁文缛节吞噬了你的生活。
Charlesworth说,许多数据治理努力没有显示出积极的变化,而是在会议和官僚机构中停滞不前。但如果你不专注于行动和明显的胜利,用户将不会直接感受到积极的好处,使用户不太可能做出承诺。
把它清理干净,如果你想获得快速的胜利,你可以选择快速的胜利。
为了获得用户的支持和承诺,您必须创建、演示并在内部营销通过数据治理获得的积极变化。例如,一开始要关注的一个可衡量的好处是可以改进订单项的验证以减少错误。
第5号肮脏数据做法
你把一切都安排好了。
你能准确地区分投资利益并将其归属于特定的项目吗?Charlesworth说,在当今这个多方面、复杂的商业环境中,这是不可能的。他说,计算某项投资的投资回报率时,他假定业务中的其他一切要么原地踏步,要么对收益没有影响。
把它清理干净,创造一个清晰的成功图景。
Charlesworth建议考虑其他指标,如内部收益率(衡量投资效率或项目预期产生的增长率)和经济增加值(估计真正的经济利润)。然而,Charlesworth说,最重要的并不是计算本身,而是围绕着定义成功的讨论——成功是什么样子的,你是如何知道何时成功的。这在衡量数据治理在不同阶段和粒度级别的价值方面尤其重要,以确保您保持在正确的轨道上,如果没有,则进行校正。他的例子包括一个数据质量仪表板,显示数据处理的准确性、数据一致性和规则/度量的重用,以及具体项目的指标,如产品主数据元素的标准化。
-
业务流程建模及其在企业中的作用
为实现其目标,组织必须完全了解其流程。因此,业务流程设计和分析是定义业务运营方式的关键,并确保员工理解并负责履行其职责。……查看详情发布时间:2019.02.18来源:亿信华辰浏览量:112次
-
一套完事数据治理平台解决你数据太多、太乱、太杂的问题
智能是基于数据的,而数据又是基于大量人工与工程努力的,所以人工智能还有相当一部分「人工」。数据收集需要人工确定数据源,或者手动写爬虫;数……查看详情发布时间:2019.10.25来源:知乎浏览量:163次
-
大数据在媒体行业的应用——《企业大数据实践路线》之二
新闻工作者先产生一个内容,形式可以是文字的、视频的等,无论你是编辑还是记者或者说是美编,或电视台的采编人员等等所生产的内容都会存入到业务……查看详情发布时间:2019.02.25来源:亿信华辰浏览量:61次
-
数据交换平台是数据中心与其它应用系统沟通的桥梁
数据交换平台是数据中心与其它应用系统沟通的桥梁,是进行数据交换的枢纽站。数据交换平台负责从各个业务系统采集数据,对数据进行清洗与整合,按……查看详情发布时间:2020.08.10来源:知乎浏览量:58次
-
一文讲透数据治理核心指标
股份制改革对我国银行业来说只是一个开始,企业在风险管理、创造价值等方面还有很长的路要走。风险管理要求提供精准的数据模型、创造价值要求充分……查看详情发布时间:2020.06.19来源:CSDN浏览量:70次
-
技术最热门的新趋势:数据治理
什么是信息技术最热门的新趋势?如果你说“人工智能”,给自己部分功劳,因为AI肯定很热。但对于商业领域的技术决策者来说,有一些更大的问题就……查看详情发布时间:2019.02.28来源:亿信华辰浏览量:53次
-
BigID和Ionic安全合作伙伴为云和多云合规性增强数据治理和隐私
BigID和Ionic安全合作伙伴为云和多云合规性增强数据治理和隐私以色列纽约和特拉维夫 - (BUSINESS WIRE)- (美国商……查看详情发布时间:2019.01.17来源:数据治理浏览量:63次
-
案例研究:亚利桑那州实施全州数据治理模型
亚利桑那州战略企业技术办公室(ADOA-ASET) - 亚利桑那州管理局状态数据管理架构师Jeff Wolkove和能力成熟度模型研究所……查看详情发布时间:2018.12.06来源:Amber Lee Dennis浏览量:67次