定义数据治理:什么是数据治理?

发布时间:2019.01.23来源:亿信华辰浏览量:6次标签:数据治理


数据治理(DG)是增长最快的学科之一,但在定义数据治理时,许多组织都在努力。

Dataversity称DG是“有助于确保组织内数据资产正式管理的实践和流程。”这些实践和流程可能因组织的需求而异。因此,在为组织定义数据治理时,考虑推动其采用因素非常重要。

通用数据保护条例(GDPR)已经将数据治理的升级突出显著贡献。实际上,erwin的2018年数据治理状况报告发现,60%的组织认为监管合规是他们数据治理的最大推动力。

其他重要的驱动因素包括提高客户信任/满意度和鼓励更好的决策,但他们分别落后于监管合规性的49%和45%。声誉管理(30%),分析(27%)和大数据(21%)也是因素。

但是,如果不了解如何在这些环境中应用DG,那么数据治理的采用几乎没有什么好处。这可以说是过去数据治理的问题之一。

由于没有固定的定义,以及在IT中隔离数据治理的历史实践,组织通常对数据治理有什么不同的想法,甚至在部门之间。由于这种跨部门的脱节,不难想象为什么数据治理在历史上有很多不足之处。

但是,由于在GDPR中授权DG,组织必须在组织范围内定义数据治理以管理其成功实施,或者面临GDPR的处罚。

定义数据治理:期望的结果

在定义组织范围的DG计划时,一个很好的起点是考虑所需的业务成果。这种方法确保所有相关方都有共同的目标。

过去的Data Governance 1.0示例主要涉及对数据进行编目以支持搜索和发现。这种方法的本质,再加上DG计划通常在没有来自更广泛业务的投入的情况下孤立于IT部门的事实,这意味着这种做法经常难以增加价值。

如果没有来自更广泛业务的投入,数据编目过程就会缺乏背景。通过忽略包括组织的主要数据公民 - 那些管理和/或利用日常数据进行分析和洞察的公民 - 组织数据经常受到重复,不一致和质量差的困扰。

现代数据驱动业务的本质意味着这些数据公民遍布整个组织。此外,许多关键数据公民(认为数据使用的增值方法,如数据驱动营销)并未积极参与IT部门。

正因为如此,Data Governance 1.0计划在令人沮丧的频率上失败了。

当然,对于将法规遵从性确定为数据治理驱动因素的组织而言,这是有问题的。考虑到数据驱动型业务的本质 - 不断捕获,存储和利用新数据 - 满足合规性标准不能被视为一次性解决方案,因此数据治理不能被排除优先级,并且会被淘汰出局。

即使那些设法无限期地维持输入数据治理需求水平的企业,也会发现Data Governance 1.0方法需要。在监管合规性方面,缺乏与数据治理1.0相关的背景,以及它导致的不准确性意味着潜在的严重数据治理问题可能毫无根据,并导致对违规行为的影响。

我们建议组织在实施DG时,不仅要将数据编目和合规性视为预期结果。在数据驱动的业务环境中,数据治理发现其作为增值计划的真正潜力。

将数据治理所需的业务成果确定为增值计划的组织也应该考虑数据治理1.0的缺点,任何未将增值视为业务成果的组织都应该问自己“为什么?”

许多21的最大市场干扰的ST世纪已经数字精明的创业公司具有强大的数据策略-想制作的Airbnb,亚马逊和Netflix。如果没有高数据治理标准,这些公司就无法对其数据充满信任,无法自信地采取这种数字优先策略,使其难以管理。

因此,在数据驱动的业务时代,组织应该考虑数据治理2.0战略,DG将成为一个整个组织的战略计划,从IT范围中解除实践。

这种对数据治理的协同作用本质上涉及数据在治理过程中的最大受益者和用户,这意味着数据编目等功能受益于更大的背景,准确性和一致性。

这也意味着组织可以更好地信任他们的数据,并更有把握地满足遵守法规的标准。这意味着组织可以通过更准确的分析和分析方法更好地响应客户需求,从而提高满意度。这意味着组织不太可能遭受数据泄露及其相关损害。

定义数据治理:企业数据治理体验(EDGE)

EDGE是数据治理2.0的erwin方法,使组织能够:

  • 随时随地管理任何数据(任意2)
  • 灌输协作和组织赋权的文化
  • 引入一个集成的数据管理生态系统,从一个中央存储库中提取并确保整个组织的数据(包括实时更改)保持一致
  • 通过打破业务和IT之间的孤岛并引入通用数据词汇,提高跨域的可见性
  • 从GDPR到网络安全,通过减轻广泛的风险,让监管更加安心。 

(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
  • 大数据技术学习,深度挖掘大数据的现状分析

    大数据技术学习,深度挖掘大数据的现状分析

    企业级技术 = 艰苦的工作 其实大数据有趣的是它不是直接可以炒作的东西。 能够获得广泛兴趣的产品和服务往往是那些人们可以触摸……查看详情

    发布时间:2019.03.20来源:亿信华辰浏览量:7次

  • 赢得数据治理的五个秘诀

    赢得数据治理的五个秘诀

    到目前为止,您已经意识到拥有出色的数据分析策略还需要拥有良好的数据治理策略。毕竟,如果您的数据无法控制,那么您在其上运行的分析在一天结束……查看详情

    发布时间:2019.02.27来源:亿信华辰浏览量:4次

  • 数据湖治理最佳实践

    数据湖治理最佳实践

    如果没有最佳实践,存储将变得无法维护。自动化数据质量,生命周期和隐私可以持续清理/移动湖中的数据。……查看详情

    发布时间:2019.03.11来源:亿信华辰浏览量:3次

  • 企业架构框架和元模型,指南

    企业架构框架和元模型,指南

    与任何建筑或基础设施项目需要不同的利益相关者和不同的计划视图的方式大致相同,企业架构(EA)也需要相同。……查看详情

    发布时间:2019.02.26来源:亿信华辰浏览量:4次

  • 数字化时代的大数据治理应该怎么做呢?

    数字化时代的大数据治理应该怎么做呢?

    随着时代的发展,各个企业收集数据的渠道越来越多样化,也有越来越多的企业开始应用大数据来创造价值,为了合理有效的挖掘数据资源来源的价值,首……查看详情

    发布时间:2019.07.18来源:知乎浏览量:2次

  • 大数据时代如何做好数据治理

    大数据时代如何做好数据治理

    企业在建制大数据平台的同时,对进入数据湖的数据进行梳理,并按照数据资产目录的形式对外发布。在发布数据资产之后,则对进出数据湖……查看详情

    发布时间:2018.12.10来源:数据治理浏览量:3次

  • 零售商的数据治理势在必行

    零售商的数据治理势在必行

    最好的零售商擅长推销商品。在顶级的实体和电子商务商店,产品组织巧妙,布置精美,色彩鲜明,使客户可以轻松找到他们想要的东西。做得好,商品推……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:6次

  • 杰出数据科学家的关键技能是什么?

    杰出数据科学家的关键技能是什么?

    学习如何应用不同的Python或R算法真的很简单:众所周知, 我们只需要修改一两行代码,就能将线性回归迁移到神经网络、SVM,或者你喜欢……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:4次

  • 数据治理如何释放信息的力量来解决实际的业务问题

    数据治理如何释放信息的力量来解决实际的业务问题

    数字商务永远改变了零售业的面貌。广泛的产品选择,快速交付和简单易用的搜索功能,也推荐相关产品,提高了标准。……查看详情

    发布时间:2019.08.02来源:知乎浏览量:3次

  • 做好数据治理,助力政府治理体系和治理能力现代化

    做好数据治理,助力政府治理体系和治理能力现代化

    当前,数据及其技术的融合应用在政府经济调节、市场监管、社会管理、公共服务、生态环境保护等各项工作中强劲助攻、潜力无限。但由于数据是新型生……查看详情

    发布时间:2020.06.22来源:知乎浏览量:4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