数据治理：推动结果的引擎

组织成功取决于某些与共同业务目标一致的构建块。这些构建块包括业务活动，数据和分析。

治理也是必要的构建模块之一，因为它提供了标准中的凝聚力，使人员，流程，数据和技术与成功和可持续的结果保持一致。虽然它有点抽象概念，但数据治理是帮助组织将数据用作公司资产的基础。

获取资产并用于帮助组织执行其业务模型。资产管理原则要求对具有优化技能和经验的授权人员进行编目，库存，保护和访问资产。

如果资产具有高利用率，则资产通常会产生更多价值。在数据环境中，这意味着受管理的数据资产如果能够在分析的支持下加强现有运营并指导改进，将更有价值。

随着企业通过在更多业务功能中实施更广泛的分析足迹来寻求释放更多价值，数据治理将指导他们的旅程。

 数据的新视角

成为一个数据驱动的企业意味着根据经验证据做出决策，而不是“直觉”。这种转变需要一个清晰的愿景，战略和有纪律的执行。必须仔细考虑，理解并传达给他人所需的商业机会 - 从C套件到前线。

想要在数字时代取得成功的组织了解他们的文化以及他们的决策过程必须变得更加主动和协作。当然，数据是业务绩效和持续改进的核心。

在这个大数据的现代时代，外部产生的非传统数据集正在与内部产生的传统数据相结合。因此，数据驱动成功的一个关键因素是将数据的长期视角转变为成本中心，几乎没有任何投资可以为组织释放其价值。

基于分析的数据驱动改变了这种心态。企业领导者确实开始意识到，在整个组织中使数据更易于访问和使用有助于实现他们想要实现的结果 - 并且必须向他们的董事会报告。

如果将传统资产管理概念应用于数据，则可以定义和实现安全性，质量，编目，定义，置信度，授权和可访问性的目标。然后，这些区域成为新数据资产类别的性能标准。

因此，改变组织的领导力和其他文化，将数据视为资产，将其分类从“成本”转变为“投资”。有价值的资产可以获得财务回报和燃料生产率。它们也可以重新投资或重新使用。

数据治理是数据作为资产的新视角的关键。

数据治理定义和目的

数据治理对于现代经济非常重要，因为它可以将数据转换为有价值的资产，从而提高最高和最低绩效。在一系列业务改进用例中，管理良好的数据是可访问的，有用的和相关的。

但是在实施数据治理的早期阶段，组织往往难以定义和组织数据治理，包括确定涉及哪些任务。

数据治理的核心是一个跨职能的程序，用于开发，实施，监控和实施可改善选定数据资产性能的策略。

实施数据治理可确保“资产级”数据可用于支持基于高级分析的决策制定。利用这一基本原理，可以定义满足组织战略意图的潜在目标，以获得价值。

以下列出了数据治理计划的可能目标：

• 提高数据安全性
• 提高数据质量
• 让更多利益相关者更容易获取数据
• 增加数据理解
• 提高数据消费者的信心
• 提高数据素养并确定组织的数据驱动成熟度级别

建立数据治理基金会

除了计划如何适应虚拟或物理团队的现有公司结构外，数据治理计划的范围和结构对于确定和包括职责，责任，决策权和权限级别非常重要。

结构选项包括自上而下的命令和控制以及自下而上的协作网络。还应概述执行责任。

数据执行人员（例如首席数据官）被确定为对整体数据治理结果负责是很常见的。数据所有者是管理生成关键数据的流程的业务领导者。他们负责定义支持该计划目标的政策。

数据管理员向数据所有者报告，并负责将数据策略转换为分配给数据专家的操作。数据专家执行项目和其他工作流程，以确保受管理的数据符合策略的意图。

数据管理员构成了数据治理计划的支柱。它们通过将任务分配给专家来影响数据的管理方式。数据管理员负责编目，定义和描述受管数据资产。

这些角色可以是全职或兼职，具体取决于工作范围。

数据治理团队执行的关键流程包括：

1. 定义和规划程序的范围
2. 数据质量改进
3. 数据安全性改进
4. 元数据创建和管理
5. 评估新数据源的适用性
6. 监控并强制遵守数据策略
7. 研究新的数据来源
8. 培训以提高各级工作人员的数据素养
9. 促进和寻找新的数据驱动机会，以改善业务
10. 领导和管理文化变革

数据治理基于一种策略，该策略定义数据资产的外观和执行方式，包括质量，安全性，集成，可访问性等级。数据治理程序的设计和实现应从有限的范围开始，然后逐步提升支持整体业务战略。所以想想大，但从小做起。