数据治理准备的支柱：企业数据管理方法

Facebook的数据问题继续成为头条新闻的主导，并进一步凸显了企业范围内数据资产视图的重要性。备受瞩目的案件与其他着名的数据丑闻有所不同，因为它本身并非“违规”。但疏忽问题仍然存在，并且在所有情况下，数据治理都是一个问题。

本周，“ 华尔街日报”刊登了一篇题为“ 公司应该注意公众对数据的焦虑上升的故事”的故事。它讨论了一项针对10,000名消费者的IBM调查，其中78％的美国受访者表示公司保密数据的能力非常重要，但只有20％的人完全信任他们与之互动的组织，以维护数据隐私。事实上，60％表示他们更关注网络安全，而不是潜在的战争。

本文最后给CIO们一个明确的教训：“他们必须更加优先考虑数据治理和遵守欧盟通用数据保护法规[GDPR]等法规，跟踪数据并确保公司有能力监控其使用情况，如有需要，请将其删除。“

通过更全面的数据治理计划，更好地了解数据资产，他们的血统和有用的保质期，以及他们访问权限背后的特权，Facebook可能已经领先于问题并在问题成为问题之前对其进行了平息。如果风险超过了保持船上数据的奖励，有时擦除是最好的方法。

但也许Facebook很幸运，问题就出现了。一旦GDPR生效，这种类型的数据网络将使公司不合规，因为该规定需要数据所有者的直接同意（以及如果存在实际违规，则在72小时内发出通知）。

考虑到GDPR，以及Facebook面临的巨大公关影响和政府调查，公司无法承担此类数据治理错误。

在过去的几周里，我们一直在详细探讨数据治理准备的五大支柱中的每一个，以及它们如何结合在一起，以提供组织数据资产的完整视图。在本博客中，我们将企业数据管理方法作为第四个关键支柱。

企业数据管理分为四个步骤

企业数据管理方法满足了更广泛的数据管理套件中数据治理的需求，所有组件和解决方案协同工作以获得最大收益。

成功的数据治理计划应该既可以提高企业对数据沿袭/历史的理解，又可以安装一个有效的工作系统来防止错误的人访问。另一方面，成功的数据治理使数据更容易被发现，具有更好的上下文，因此合适的人可以更好地利用它。

这就是Data Governance 2.0的本质- 帮助组织更好地理解他们的数据资产并使其更易于管理和利用 - 并且它在Data Governance 1.0发生故障时取得了成功。

企业数据管理：那你从哪里开始？1元数据管理为组织提供有关其数据资产的上下文信息。没有它，数据治理基本上是盲目的。

元数据管理的价值在于能够使用跨部门标准和定义来管理整个组织中使用的公共和参考数据，允许数据共享和重用，减少数据冗余和存储，避免因错误选择或重复而导致的数据错误，以及支持数据质量和分析功能。

您的组织还需要了解企业数据架构 和企业数据建模。没有它，企业数据治理将难以支持

企业数据架构通过数据移动，数据转换和数据集成等概念支持数据治理，因为数据治理为这些活动制定了策略和标准。

数据建模是数据架构的重要组成部分，对数据治理也至关重要。通过深入了解数据满足的用例，组织可以更好地主动分析所需的保质期，并更好地衡量保持数据的风险/回报。

数据管理员在数据模型的开发和改进中充当中小企业，并协助创建由数据模型表示的数据标准。这些工件允许您的组织使用企业数据架构实现其业务目标。

让我们面对现实，大多数组织实施数据治理，因为他们需要高质量的数据。企业数据治理是数据质量管理成功的基础。

数据管理通过制定标准政策，实践，数据标准，通用定义等来支持数据质量工作。数据管理员实施这些数据标准和政策，为数据质量专业人员提供支持。

这些标准，政策和实践可实现有效和可持续的数据治理。

最后，如果没有商业智能（BI）和分析，数据治理将不会增加任何价值。BI和分析的数据治理价值是能够管理从源到仓库/市场中的目标的数据，定义跨这些阶段的数据标准，并在适当的情况下促进通用算法和计算。这些优势使组织能够通过BI和分析实现其业务目标。

在比赛中获得EDGE

旧式数据治理是片面的，主要涉及对数据进行编目以支持搜索和发现。缺乏短期价值往往导致高管支持减少，因此DG的任务在IT内部孤立。

使用协作数据治理2.0方法可以避免这些问题，将DG的责任分散在使用数据的人员中。这意味着数据资产以更多上下文记录，对组织更有用。

这也意味着执行级员工在参与数据治理时更加了解数据治理，并且在优化数据分析流中看到了额外的收入潜力，从而缩短了产品上市时间。

我们将这种企业范围的，协作的，2.0的数据治理称为企业数据治理体验（EDGE）。但除了组织协作之外，真正的EDGE可以说是它在解决方案之间促进的协作。EDGE平台认识到数据治理对企业数据管理方法套件的基本依赖性并统一它们。

通过在一个平台上存在并共享一个存储库，组织可以保证他们的数据在整个组织中是统一的，无论部门如何。

此外，它还允许跨平台进行实时更新，从而大大改善了工作流程。例如，数据字典中的术语更改（数据治理）将自动反映在所有连接的数据模型中（数据建模）。

此外，EDGE还集成了企业架构，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，从而使技术投资能够按照业务目标进行优先级排序。

还包括业务流程，以便企业可以明确定义，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。

从本质上讲，这是方法数据治理需要成为一种增值战略计划，而不是孤立的努力逐渐消失。