理解和证明数据治理2.0

发布时间:2019.01.25来源:亿信华辰浏览量:280次标签:数据治理


过去,证明数据治理的合理性是非常困难的。数据治理1.0的孤岛性质以及缺乏对增值的关注意味着买入率很低。

虽然IT内部的住房数据治理(DG)可能在其早期阶段有意义,但数据和数据治理已经发生变化。

今天,我们每天产生惊人的2.5亿个字节的数据。随着监管要求的增加和信息通信的机遇,从IT孤岛中进行数据搜索和发现是不够的。

数据治理作为一种实践,以及为其提供支持的解决方案,必须成为组织文化的一部分,以确保使用数据的人员和部门参与其发现,理解,治理和社会化,以实现最佳绩效。

那么,您如何将数据治理作为企业级计划的理由呢?

证明数据治理 - 道路障碍

首先,我们必须看一下2018年“数据治理报告”中明确反映的数据治理1.0方法的缺点。缺乏行政支持被认为是实施数据治理的最常见障碍,占42%,缺乏组织支持,紧随39%。

对于数据驱动型企业而言,高管们可以说在改善DG实践方面具有最大的利益。围绕战略方向的决策 - 例如,新兴市场的目标,对运营效率的洞察,营销活动的表现 - 最好通过准确的数据进行。

通过实施健全的数据治理计划,数据可用性和环境得到改善,因此员工 - 从高管到第一线 - 可以做出更好,更快的决策。此外,知道可以信任数据,将更有信心地做出决策。因此,项目注定要失败的风险,错误启动和预算浪费将会减少,因为它们是基于错误的前提。

“ 总体报告”状况还发现,缺乏有效工具成为成功实施数据治理的另一个障碍。这并不奇怪,因为它们并没有考虑到协作。

如上所述,现代社会和商业所产生的数据是惊人的,它贯穿于整个企业。此外,数据法规 - 例如GDPR--要求组织了解他们的数据沿袭,能够显示谁可以访问哪些内容。

管理大量数据并能够从部门到部门,从员工到员工,从根本上要求协作方法

数据治理1.0不足的另一个领域是阐明商业案例。在接受DG报告状态调查的组织中,27%的人认为这是成功数据治理的障碍。

这些挫折是可以理解的,因为DG 1.0不是为了积极增加价值而设想的。但DG 2.0为组织增加了价值提供了重要机会,因此数据治理更容易成为更快地识别和实施新想法和改进的手段。

例如,金融服务公司可以通过更好地管理数据来产生300亿美元的额外收入

证明数据治理是一个新方向

数据治理2.0扼杀了与老派DG相关的障碍。

它需要采用企业级方法来确保数据治理真正起作用,这意味着“数据所有者”和“数据利益相关者”参与编目过程。每个人都可以通过更好地掌握其历史和血统来获取对其角色的上下文访问权限。

当然,监管合规是重新审视或实施DG计划的主要动力。但是,数据治理的好处远远超出了GDPR合规性。更好的数据质量,背景和谱系可以提高客户满意度,改善决策制定以及维持甚至提高组织声誉的能力 - 所有这些都是在DG报告中实施DG的理由。

实际上,理解和管理企业资产对于高级管理层来说变得更加重要。DG 2.0预先假定除CFO,CMO和其他业务主管外,CTO每天都参与数据管理。因此,他们必须成为该计划的一部分,并能够分享敏捷创新和业务转型的信息。

很明显,这种对数据治理的新主动态度正在流行起来。数据驱动型业务的超竞争性质要求它 - 无论是否受到GDPR处罚的威胁。采用数据治理2.0的组织不愿意或迟迟不会落后。


(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
  • 8 项提高数据完整性的预防性措施

    8 项提高数据完整性的预防性措施

    仅使用一种方法几乎不可能将数据完整性风险降至最低,因此使用多种策略的组合是更好的选择。降低数据完整性风险的一些最有效方法包括8点。……查看详情

    发布时间:2021.07.07来源:亿信华辰数据治理知识库浏览量:714次

  • 数据交换标准是什么

    数据交换标准是什么

    目前,国内采用软件管理的企业众多,有的企业自己开发管理软件、有的购买软件厂商的产品。但是它们采用的数据库平台和数据库结构各不相同。不同企……查看详情

    发布时间:2020.08.12来源:小亿浏览量:176次

  • 数据质量包含的要素有哪几点

    数据质量包含的要素有哪几点

    数据是企业最有价值的资产之一,越来越多的企业认识到了数据的重要性。企业的数据质量与企业经营业绩之间有着直接的关系。高质量的数据可以保持公……查看详情

    发布时间:2022.02.17来源:小亿浏览量:730次

  • 数据管理和物联网

    数据管理和物联网

    数十亿带传感器的东西环绕着人们和他们的生活。这些物联网(IoT)与人,家庭,工厂,工作场所,城市,农场和车辆互动。Gartner预测,到……查看详情

    发布时间:2019.02.20来源:亿信华辰浏览量:202次

  • 数据质量管理方法

    数据质量管理方法

    数据质量闭环管理机制以制定规则、问题发现、质量剖析、数据清理、评估验证、持续监控为核心活动,又结合银行的数据实践进行了定制和优化。……查看详情

    发布时间:2019.11.15来源:知乎浏览量:316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:2018.12.27来源:亿信华辰浏览量:186次

  • 未来我国大数据发展还有哪些机遇和挑战?

    未来我国大数据发展还有哪些机遇和挑战?

    随着信息技术和人类生产生活交汇融合,全球数据呈现爆发增长、海量集聚的特点。无论是国家、企业还是社会公众,都越来越认识到数据的价值。……查看详情

    发布时间:2019.03.18来源:亿信华辰浏览量:186次

  • “五方面发力”提升银行业的数据治理能力

    “五方面发力”提升银行业的数据治理能力

    随着英国、欧盟等国家和地区纷纷推行开放银行模式以及相关监管政策逐渐落地,开放银行正成为世界银行业发展的新趋势,备受关注。……查看详情

    发布时间:2019.11.29来源:知乎浏览量:161次

  • 让数据清澈如水:数据清洗的策略与方法

    让数据清澈如水:数据清洗的策略与方法

    在数据仓库中,数据是面向某一主题的数据的集合,这些数据从多个业务系统抽取而来,不同的数据来源加上历史数据的堆积,难免会有问题数据出现,这……查看详情

    发布时间:2020.11.23来源:亿信华辰浏览量:285次

  • 数据治理的7大误区

    数据治理的7大误区

    大数据时代,数据成为社会和组织的宝贵资产,像工业时代的石油和电力一样驱动万物,然而如果石油的杂质太多,电流的电压不稳,数据的价值岂不是大……查看详情

    发布时间:2018.11.30来源:51cto浏览量:188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