数据治理是否灵活？

发布时间：2019.01.11来源：亿信华辰浏览量：112次标签：数据治理

这个问题的答案是肯定的，数据治理绝对可以是敏捷的。但是，与数据管理解决方案的开发一样，也需要进行一些初始设置。数据治理模型可以是松散的，也可以是高度结构化的。我最初的很多经验都是关于所谓的“草根”数据治理的。有很多方法可以“做”数据治理，就像有组织“做”它一样——这没关系。您决定采用的方法应该与组织的文化、数据管理成熟度级别、数据治理目标和对结构的期望相关联。

启动组织中的数据治理功能所需的一些初始的基础活动包括：

一个发现阶段，用于评估情绪、确定利益相关者、确定机会（和业务价值）和重点领域，并开始制定目标和数据治理路线图。

一个基本的实施阶段，用于围绕数据治理定义组织、沟通和教育利益相关者、确保执行支持并指派数据管理员。

遵循这些初始步骤，可以将数据治理程序设置为一个高度结构化的组织，并使用工具和模板设置一组定义好的流程，也可以将其设置为一个不那么结构化的团队，由个人共同完成目标并通过路线图工作。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，我们通常描述发生的迭代开发。这是可以实现的，因为要开发的主题领域可以被识别、划分优先级并分解为发布，并且发布可以分解为更小的工作迭代或冲刺。数据治理程序也可以做到这一点。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，并为整个组织分配相应的数据管理员。通过采用这种方法，在短期内它是一个没有任何价值实现的大量前期工作。这些举措中的许多最终都失去了动力。另一种更灵活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，并从中构建。通过这种方式，组织可以让每个人都了解进展和决策，但是工作努力是有限的，而且集中的。计划的商业价值能够更快地实现，从而增加了人们的兴趣。有些人可能会担心，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，但是如果你在建立基础阶段时考虑到“大局”，那么风险就会降低。

（部分内容来源网络，如有侵权请联系删除）

立即免费申请产品试用免费试用

睿治智能数据治理平台

数据采集

数据集成管理

数据交换管理

数据存储

实时计算存储

数据管理

元数据管理

数据标准管理

数据质量管理

主数据管理

数据服务

数据资产管理

大数据治理方案

大数据资产管理方案

主数据管理方案

数据标准化及质量管控方案

数据资产盘点方案

指标体系建设方案

数据仓库及商业智能方案

仓湖一体化数据中心建设方案