可靠的数据治理策略对组织的重要性

发布时间:2019.01.16来源:亿信华辰浏览量:118次标签:数据治理


我在1983年开始担任数据库管理员时,一切都是关于技术的集中化。数据安全地存储在企业大型机上,只有具备导航预处理数据库技能的程序员才能访问它。将近四十年后,全部都是关于数据民主化以及强大的数据治理战略的需求。


在当天,业务分析师不得不对IT部门负责,因为他们不知道如何导航信息管理系统数据库,即使他们可以也不会被授予访问权限。IT部门打印出月度报告并分发它们,就像摩西从石头上下山一样。

随着个人计算机的出现,权力的平衡从根本上发生了变化。突然之间,商人可以访问电子表格,并可以创建自己的计算和分析,即使数据仍然大部分无法触及。然后是客户端/服务器计算和急于分散数据,带来了新的可能性,但也因为不同部门使用不同版本的数据而产生混淆。分析师争论谁的版本是正确的。分析现在可以由业务分析师完成,但如果没有就数据源的合法性达成一致,则会出现混乱。

数据治理的曙光

IT部门使用数据仓库进行响应,数据仓库会在断开连接的交易系统中收集数据,仅用于分析。出现了聪明的报告工具,可以更轻松地操作,加入和汇总原始交易表,甚至可以将它们下载到电子表格中。当然,原始数据仍然存储在不同的应用程序和格式中,但只要付出足够的努力,就可以诱使数据仓库理解所有这些,提供客户,产品,资产和位置等维度。但是,要实际生成一致的客户和产品列表,必须解决底层系统的不一致问题。

主数据管理(MDM)诞生了,与此同时,还需要数据治理策略。鼓励或哄骗业务用户决定哪些客户和产品的分类是“黄金记录”,要在整个企业中高举,哪些将被投入到部门特定的本地术语的荒野中。这是一个经常激烈的过程,不同的部门争论哪个是分类数据的最佳方式。一些公司文化比其他文化更适合这种方法。高度集中的公司习惯于从高度但分散的方式决定结构,并努力保持数据治理结构。这些公司的分析师认为自己是自由战士,而中央办公室的分析师则认为他们是数据恐怖分子。

很明显,至少在很多公司中,自由战士现在方兴未艾。这标志着数据准备工具的市场不断增长。这些产品能够访问来自各种来源的数据,包括传统数据库,应用程序包,Excel或企业防火墙外的应用程序。它们支持一些数据质量技术,例如分析,并使业务用户能够设置数据转换,并通过可重复的工作流程自动执行此类提取,数据清理和转换。这些工具拥有自己的分析工具,或者可以调用最新的可视化和数据挖掘产品,使分析师能够根据自己的内容处理数据。

如果企业数据仓库和MDM正在开展工作,那么这样的市场就不会存在。数据准备,质量检查和转换正是准备将数据输入数据仓库的准备。麻烦的是公司数据仓库已超出其自然限制。数据现在来自各种各样的来源 - 其中大部分来自企业之外 - 并且在这样的数量中传统方法正在崩溃。电子商务系统可以生成如此大小的网络流量日志,使得普通数据库不能处理该处理。车辆和机械上的传感器现在产生大量的流数据:波音787每次飞行产生几乎1TB的数据。其他行业也是如此,有汽车,家庭中的智能电表甚至是道路上的传感器都会产生大量的数据进行分析。所有这些都是传统企业数据以及来自业务合作伙伴和数据经纪人的数据的补充。有了这么多数据,谁有时间参加会议讨论不同客户分类层次结构的优点?

掌握数据管理

公司需要以某种方式收回对这种快速流动的数据流的控制,如果他们要理解它的话。如果没有办法深入了解数据湖并理解它,数据湖就成了数据沼泽。数据治理策略可能不是一个性感的主题,但它是需要发生的事情的核心。那些使用新工具构建自己的提取和转换的分析师需要帮助决定如何管理数据,因为如果你不能就底层数据是否值得信任达成一致,所有漂亮的图表和AI工具都没有任何意义。

在没有某种结构的情况下,我们将回到过去,分析师互相交换图表并争论谁的数据是正确的。将数据精灵放回瓶子中将是困难的并且需要纪律,但是在所有太多的组织中,事情现在感觉混乱而不是管理。它不是要从高层实施规则,而是要在整个组织层面嵌入分析和数据管理规程。否则,有价值的商业见解可能会被忽视,竞争优势也会丧失。

一个2018麦肯锡的报告忽视高绩效的公司也比两倍,可能有一个强大的数据治理策略和可能有一个清晰和易于理解的数据战略的两倍以上。同一份报告认为,表现优异的人与包装之间的差距正在迅速扩大。如果您要利用分析并获得业务优势,时间至关重要。



(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
相关文章推荐
  • 数据治理模型 - 组织数据质量管理的责任

    数据治理模型 - 组织数据质量管理的责任

    企业需要数据质量管理(DQM),它结合了业务驱动和技术观点,以应对需要高质量企业数据的战略和运营挑战。迄今为止,公司已将DQM的责任主要……查看详情

    发布时间:2018.12.21来源:数据治理浏览量:147次

  • 值得关注的 5 大数据治理工具

    值得关注的 5 大数据治理工具

    一旦数据治理策略的广泛目标最终确定,您就需要开始寻找适合您的框架和数据操作的数据治理工具。让我们来看看一些关键的数据治理工具以及它们如何……查看详情

    发布时间:2021.08.10来源:亿信数据治理知识库浏览量:278次

  • 数据治理技术措施

    数据治理技术措施

    企业构建的信息系统以满足功能应用为主,如果没有整体数据架构,应用系统就没有数据标准可参考,不可避免地会出现不同的应用系统使用不同的数据标……查看详情

    发布时间:2020.10.21来源:知乎浏览量:112次

  • 我国数据治理面临的现实挑战

    我国数据治理面临的现实挑战

    数据驱动的经济社会数字化转型,既充分释放了来自数据创造价值的潜力、提高了劳动生产率和治理效率,也带来了前所未有的现实挑战。如何既促发展又……查看详情

    发布时间:2020.10.31来源:知乎浏览量:100次

  • 2021公安数据治理的目标

    2021公安数据治理的目标

    公安数据治理的目标是实现全局数据资源的有效整合,有效解决公安力量分散、资源分割、信息孤岛、运行封闭等问题,最终打破部门壁垒和警种壁垒。……查看详情

    发布时间:2021.04.29来源:亿信数据治理知识库浏览量:242次

  • 亿信华辰&东芝|拥抱智能制造,实现生产数据实时采集

    亿信华辰&东芝|拥抱智能制造,实现生产数据实时采集

    在《中国制造2025》战略实施后,“制造业数字化、网络化、智能化”被定义为新工业革命的核心技术。离开生产数据采集,生产管理部门不能及时、……查看详情

    发布时间:2019.05.10来源:亿信华辰浏览量:99次

  • 数据管理危险:不到一半的MDM计划是有效的

    数据管理危险:不到一半的MDM计划是有效的

    您可能不认为“数据治理”是一个重要的主题。特别是当你的IT预算火灾肆虐或者你计划下周的裁员时。……查看详情

    发布时间:2018.12.29来源:亿信华辰浏览量:92次

  • 为什么必须链接数据治理和业务流程管理

    为什么必须链接数据治理和业务流程管理

    必须链接数据治理和业务流程管理。……查看详情

    发布时间:2019.01.22来源:亿信华辰浏览量:110次

  • 可量身定制的数据治理平台

    可量身定制的数据治理平台

    在大数据浪潮下,大数据平台建设如火如荼,大数据平台建设本质上是数据的建设。由于数据量逐渐庞大导致的一系列问题,使很多用户意识到数据治理的……查看详情

    发布时间:2019.11.22来源:CSDN浏览量:144次

  • 为什么企业架构需要成熟度模型

    为什么企业架构需要成熟度模型

    跑步之前走路。我们已经听过一百万次了,引用了几乎同样多的不同学科。然而,由于时间有限,想要快速完成任务往往是人性。然而,就像我们的第一步……查看详情

    发布时间:2019.02.26来源:亿信华辰浏览量:112次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议