大数据构成挑战？数据治理提供解决方案

大数据导致许多组织的复杂性，不仅仅是因为他们收集的数据量很大，而是因为他们收集的数据种类繁多。

大数据通常包含从社交媒体网络，互联网连接的传感器等流入企业的非结构化数据。但是，许多组织的数据操作并非旨在处理大量非结构化数据。

处理大数据的数量，速度和种类使许多组织重新思考他们如何存储和管理他们的数据。一个完美的例子是数据仓库。在您的组织中构建和管理数据仓库的人员构建了当时对他们有意义的东西。他们了解哪些数据存储在哪里以及为什么存储，以及业务部门和应用程序如何使用它们。

大数据时代为一些组织的数据操作引入了廉价的数据湖，但随着大量数据流入这些湖泊，许多IT部门发现自己正在管理数据沼泽。

在一个完美的世界中，您的组织会将大数据视为任何其他类型的数据。但是，唉，世界并不完美。实际上，实用性和人性干预。许多新技术在首次采用时与其他基础设施分离。

“新技术经常在真空中进行，然后建立在筒仓中，”erwin，Inc。产品营销总监Danny Sandwell说。

这使许多组织拥有并行的数据集合：一个用于所谓的“传统”数据，一个用于大数据。

这个结果有一些问题。首先，IT领域的孤岛历史悠久，使组织无法了解他们拥有什么，在哪里，为什么需要它，以及它是否具有任何价值。它们还有增加成本的趋势，因为它们不共享通用IT资源，导致冗余的基础架构和复杂性。最后，筒仓通常意味着风险增加。

但另一个原因是大数据和传统数据的并行操作没有多大意义：用户根本不关心。

在一天结束时，您的用户希望访问他们完成工作所需的数据，以及IT是否认为大数据，小数据或中型数据并不重要。最重要的是数据是正确的数据 - 这意味着它是准确的，相关的，可用于支持或反对决策。

数据治理如何将大数据转化为普通数据

根据erwin和UBM 2017年11月的一项调查，21％的受访者表示大数据是其数据治理计划的推动者。

在当今数据驱动的世界中，数据治理可以帮助您的企业了解它拥有的数据，数据有多好，它在哪里以及如何使用。erwin / UBM调查发现，52％的受访者表示数据对其组织至关重要，并且他们制定了正式的数据治理策略。但几乎同样多的受访者（46％）表示他们认识到数据对组织的价值，但却没有正式的治理策略。

数据治理的整体方法包括这些关键组件

• 一个企业架构 组件是重要的，因为它把IT和业务，测绘公司的应用和相关技术和数据业务功能，他们能。通过将数据治理与企业体系结构相集成，企业可以在与企业战略的连接环境中定义应用程序功能和相互依赖性，从而优先考虑技术投资，使其与业务目标和策略保持一致，从而产生预期的结果。
• 一个业务流程和分析组件定义了如何将企业的运营，并确保员工理解并实施针对他们所负责的过程负责。企业可以清晰地定义，映射和分析工作流程并构建模型以推动流程改进，以及识别易受最大安全性，合规性或其他风险影响的业务实践，以及最需要控制以减少风险的方法。
• 一个数据建模组件的设计和部署提供高品质的数据源和支持应用程序开发的新数据库的最佳方式。能够经济高效地从“随处”发现，可视化和分析“任何数据”，支持大规模数据集成，主数据管理，大数据和商业智能/分析，能够合成，标准化和存储数据源来自单一设计，以及跨项目的重用工件。

当数据治理正确完成，并且它与您的业务的结构和体系结构融为一体时，它可以帮助您的组织接受新技术以及它们出现时提供的新数据源。通过以与组织处理其所有数据相同的方式管理大数据，通过了解其元数据，定义其关系以及定义其质量，可以更轻松地查看大数据计划的ROI和ROO。

此外，应用声音数据治理的企业将发现自己可以使用模板或路线图将Big Data整合到整个组织中。

如果您的企业没有利用它收集的大数据，那么它就会浪费在数据收集，存储和分析上的花费。然而，同样糟糕的是，所有这些数据和分析都导致错误的决策和糟糕的业务成果，因为数据没有得到适当的管理。