五大数据治​​理用例和驱动因素

发布时间:2019.01.25来源:亿信华辰浏览量:55次标签:数据治理


随着数据应用程序的增长,数据治理用例也在增长。而传统的,仅限IT的数据治理方法Data Governance 1.0已经为协作的企业级数据治理2.0开辟了道路。

除了增加数据应用程序之外,Data Governance 1.0的下降还因其实施中的经常性失败而加速。在没有来自更广泛业务的投入的情况下将其留给IT部门,忽略了期望的业务成果以及为实现并加速实现的机会。使用数据的部门缺乏投入也会导致数据质量和完整性受到影响。

因此,Data Governance 1.0注定会失败,从而产生显着的回报。但是,不断变化的监管要求和有效利用数据的巨型破坏者已经引起了人们对数据治理工作的新兴趣。

2018年的数据治理状况报告表明,98%的组织认为数据治理很重要。此外,66%的受访者表示理解和管理企业资产对其高管来说已经变得更加重要或者非常重要。

下面,我们将考虑本报告中概述的主要数据治理用例和驱动程序。

数据治理用例:改变监管要求

毫无疑问,不断变化的法规是数据治理的最大推动力。欧盟的通用数据保护条例(GDPR)将很快生效,这是第一次采用近乎全球统一的方法来规范组织使用和存储数据的方式。

根据新法律,数据治理是强制性的,如果不遵守,将使组织承担巨额罚款 - 高达2000万欧元或公司全球年营业额的4%。就上下文而言,GDPR罚款可以从谷歌母公司Alphabet获得两个百分点的收入

虽然受调查的DG状态报告组织中有60%表示监管合规是实施数据治理的关键驱动因素,但只有不到4个月的企业为GDPR做好准备。

但数据治理用例不仅仅是合规性。

数据治理用例:客户满意度

数据治理的另一个主要推动因素是提高客户满意度,49%的受访者表示这一点。

Data Governance 2.0方法对于这个用例至关重要,应该是确保C级支持的有力理由。实际上,有效数据治理与客户满意度之间的相关性是显而易见的。一个2017年报告来自Aberdeen Group的显示,更有效的数据治理方案组织的用户群远远快乐与:

  • 企业共享数据的能力(66% - 数据治理领导者与21%数据治理关注者)
  • 数据系统的易用性(64%对24%)
  • 信息传递速度(61%对18%)

数据治理用例:决策

DG报告国指出的另一个数据治理用例是改进决策。百分之四十五的受访者认为这是第三个关键驱动因素,并且有充分的理由。

数据治理成功表现为定义明确的数据,这些数据在整个企业中是一致的,跨部门理解,并用于将业务拉向所需的方向。它还可以提高数据质量。

通过将数据治理从其IT孤岛中移出,负责业务成果的员工是其治理的一部分。这种协作使数据更易于发现,更具洞察力,更具上下文性。

决策过程变得更有效率,因为可以解释数据的速度增加。组织还可以更好地解释和信任它用于确定课程的信息。

数据治理用例:声誉管理

在DG报告状态背后的调查中, 30%的受访者将声誉管理称为DG实施的驱动因素。

我们已经一次又一次地看到了高调的数据泄露事件,这些事件造成了Equifax,优步和雅虎等公司的攻击。所有人都遭遇了代价高昂的PR影响。例如,截至2017年11月,Equifax的违约价格为9000万美元。

因此,60%的人认为监管合规是关键驱动因素,而30%的人将声誉管理视为DG驱动因素之间存在差异。有人可能会说他们是一样的; 两者都要求数据治理有助于防止或至少限制破坏性破坏。

差异可能归结为较小的企业认为他们维持较少的品牌资产。他们以及一些较大的同行对数据治理采取了反动的方法。但GDPR现在应该鼓励更全面的数据治理。

在管理数据泄露风险的数据治理用例方面,从根本上考虑数据治理是关于知道数据的位置,谁负责数据以及应该用于什么。

这种理解使组织能够将安全支出集中在风险最高的领域。因此,他们可以采取更具成本效益但更彻底的风险管理方法。

数据治理用例:分析和大数据

分析和大数据也被确定为27%和20%的受访者中数据治理的关键驱动因素。

在这些情况下,对数据治理的需求在很大程度上取决于企业现在负责监督的数据量。就数量而言,大数据不言而喻。在DG报告状态下,22%的受访者管理着超过10PB的数据,这些数据与那些将大数据视为关键驱动因素的人密切相关。

然而,近年来,没有大数据战略的普通组织消费,商店和流程的数据量大幅增加。

研究表明,世界上90%的数据都是在过去两年内创建的。在全球范围内,我们每天生成2.5个quintillion字节。其他研究将数据的价值与石油价值等同起来,因此显然有很多价值。

然而,“三V数据”(体积,速度,变化)倾向于正相关。当一个增加时,其他两个也增加。更高的数据量意味着更高的数据速度必须更快地处理,以获得有价值的有价值的见解。它还意味着数据类型的增加 - 结构化和非结构化 - 这使得处理更加困难。

强大的DG基金会

强大的数据治理基础可确保数据更易于管理,因此更有价值。

借助Data Governance 2.0,数据治理用例从反动转变为主动,明确关注业务成果。

虽然新法规可以被视为官僚和繁琐,但GDPR实际上为组织提供了很好的机会 - 至少对那些选择采用不断发展的数据治理2.0路径的人来说。他们将受益于以结果为中心的DG计划,该计划不仅增加了监管合规性,还增加了价格。


(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
  • 大数据时代更要重视用户隐私

    大数据时代更要重视用户隐私

    刚买了房,就有装修公司打电话上门;在网店中搜一下笔记本,推送到手机上的阅读页面就出现各种穿插笔记本的广告……日常生活中,你是否也遇到过这……查看详情

    发布时间:2019.03.14来源:亿信华辰浏览量:27次

  • 重构数据治理的必要性

    重构数据治理的必要性

    拥有管理良好的数据资产并不能确切的保证你的生产业务价值。所以你就需要必备跨不同组件和活动的整体视图。那么这个时候数据治理就显得尤为重要。……查看详情

    发布时间:2018.11.14来源:马克·皮科浏览量:55次

  • 什么是数据标准?如何建设管理?这篇文章给你讲明白了

    什么是数据标准?如何建设管理?这篇文章给你讲明白了

    数据标准是一套由管理制度、管控流程、技术工具共同组成的体系,通过这套体系来推广和应用统一的数据定义、数据分类、纪律格式和转换、编码等来对……查看详情

    发布时间:2020.11.11来源:头条浏览量:50次

  • 避免这五大数据治​​理错误

    避免这五大数据治​​理错误

    如果您正在开始一个大数据项目,那么您可能会遇到一个或多个数据管理挑战。您就如何实施数据治理以及如何控制数据流所做出的决策可能会影响您的项……查看详情

    发布时间:2019.02.27来源:亿信华辰浏览量:50次

  • 数据质量问题分析

    数据质量问题分析

    数据质量问题主要包含四个问题域:技术问题、信息问题、流程问题、管理问题。1、技术问题由于具体数据处理的各技术环节异常所造成的数据质量问题……查看详情

    发布时间:2019.01.07来源:亿信华辰浏览量:45次

  • 大数据共享交换平台建设方案

    大数据共享交换平台建设方案

    数据交换共享平台,随着各行业信息化的发展,各行业系统及数据越来越多,也对IT系统建设提出了互联互通、共享交换、业务协同、数据治理等多方面……查看详情

    发布时间:2020.08.14来源:知乎浏览量:110次

  • 数据质量对区块链的重要性

    数据质量对区块链的重要性

    区块链应该显着提高数据质量。所有这些都与所有权有关,他指出 - 无论是金钱,房地产还是其他任何东西 - 以及它的转移,以及如何记录这些数……查看详情

    发布时间:2019.02.20来源:亿信华辰浏览量:63次

  • 企业数据标准管理价值总结

    企业数据标准管理价值总结

    一个数据一般有业务属性、技术属性和管理属性组成,例如:数据项的业务定义、业务规则、质量规则为该数据的业务属性;数据项的名称、编码、类型、……查看详情

    发布时间:2020.09.18来源:知乎浏览量:47次

  • 数据管理自动化框架的五个好处

    数据管理自动化框架的五个好处

    组织负责管理比以往任何时候都多的数据,使一个强大的自动化框架成为必要。但是自动化框架到底是什么,它又有什么关系呢?……查看详情

    发布时间:2019.02.13来源:亿信华辰浏览量:58次

  • 第一步:数据质量还是数据治理?

    第一步:数据质量还是数据治理?

    做好数据质量还是数据治理?到底哪一个是首要步骤?……查看详情

    发布时间:2018.12.26来源:亿信华辰浏览量:55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