数据治理的未来:平衡数据治理和数据管理

发布时间:2019.02.21来源:亿信华辰浏览量:46次标签:数据治理

在为所有Citizen Bank的企业数据创建和实施数据治理策略时,这个问题似乎无法克服。凭借1514亿美元的资产以及有关500多万个人,机构和公司(主要是东北地区)的信息,这是一个广泛的投资组合。Cottone评论说,“当使用数据治理这个词时,它会自动发挥诸如'控制','安全','保护'和'合规性'等概念。”然后是“使用”,“功能”和“概念”这样的概念。创新',“似乎将整体数据管理与数据治理目标相对立。

作为公民银行的CDO,Cottone的任务是根据银行标语管理数据资产:“我们是帮助公民发挥潜力的公民。”这是一项艰巨的任务,要求Cottone利用其在金融领域其他16年的经验行业,包括为数据采集,使用和管理活动提供愿景,战略和政策指导。此外,Cottone承认成功意味着“通过降低风险来提高运营效率,保持收入增长并激发公司内部真正的新见解和创新”。作为第一步,Cottone拥有并负责公民的数据管理政策,而不仅仅是数据政策。这需要将数据管理和数据治理结合在一起。

平衡数据管理与数据治理

她说,她的兴趣在于数据管理,使人们能够使用正确的参数做出“正确的事情。”她之前的工作背景要求她在整个组织中领导客户体验计划的实施。在那段时间内,她参加了几个数据治理计划。Cottone指出:

“他们每个人都在努力,因为这是一个非常沉重的委员会。为治理而治理。它是关于告诉人们他们能做什么,不能做什么,但却没有帮助人们以正确的方式完成任务。人们需要有权力来解决已发现的问题或将其带到某个地方,以便以适当的方式为公司确定优先顺序“

在这里,Cottone认为,数据治理,设置策略和程序以确保事情以适当的方式完成,以及数据管理,以正确的方式做正确的事情之间的平衡行为。她承认“在两者之间寻找合适的位置”所面临的挑战。她认为她的“推动使用和支持使我们处于治理视角的风险之中。”但她相信“人们会在你做正确的事情时获得正确的工具,把正确的护栏放好。“为了创造这种平衡,Cottone描述了技术,企业数据和业务之间的三方合作关系。

参与数据管理

Cottone将矩阵描述为“联合模型”,其中所有技术都是集中的。位于Citizens Bank的技术扮演着“双重角色”.Cottone表示,技术在与业务保持一致的同时,在数据基础架构上进行协作。作为回报,业务为获取任何现有项目的数据提供了需求和资源。企业数据构建了银行所需的数据基础架构。Enterprise Data可帮助技术构建此数据基础架构,并确保业务可利用数据环境来支持业务项目。数据管理的参与与数据治理模型一起使用。

双向数据治理模型

她说,公民银行的数据治理从上到下自下而上。数据粘合了这种双向架构,包括两种不同类型的数据管理员,数据受托人委员会,项目指导委员会以及最终的执行委员会数据治理模型。

Cottone强调Data Stewardship是数据治理的“数据基础”,它依赖于两种不同类型的数据管理员:Source Stewards和Customer Stewards。两种类型的管理员都会提出问题,参与技术实施,并与业务部门数据受托人合作。“他们得到了他们的手,并帮助作为一个团体做出决定,”Cottone说。Cottone说,所有数据管理员都会帮助“优先处理问题并与他们的组织进行沟通”。她解释说,这些人“实际上得到了他们的手,”并“定期花时间在数据相关的主题上”。

来源和客户管理员的重点不同。她说,Source Stewards是一个约60人的小组,负责处理大约75个信息源“流入新建的网关”。他们专注于“客户会计交易,以帮助我们的业务合作伙伴。”

顾客管家,一组15人,“更多地考虑客户应该考虑他们所处的业务,”她指出。这些人基于对这些用户拥有的所有产品的访问权,从整体上概念化客户群。此类客户信息存储在客户主数据中。客户管理员与客户进行大量数据质量工作。但是,如上段所述,客户和来源管理员参与相同的流程。

数据受托人让数据管理员参与并协助两个团队的持续管理。数据受托人向计划指导委员会(PSC)传达信息,这将有助于PSC“审查财务和项目状态。”PSC预算用于整个数据计划。跨越业务线并且无法解决的问题流向CEO和他的直接报告,他们充当这些问题的调解者。

Cottone描述了自上而下的管理人员确定了引入Data Lake的资源及其优先级。PSC有助于引入这些来源以及订单。由于“从客户的角度来看两种不同的竞争观点,他们还确定有人帮助决定客户主人的挑战。”随着数据进入Data Lake,指导委员会优先考虑许多问题,“尤其是当受托人在那个街区外面,“科托内说。PSC和数据受托人将这些目标传达给数据管家,完成了这种双向治理模型。数据治理模型与其企业数据参与模型一起使用,包括人员,流程和技术。

使用数据来粘合数据管理和数据治理

数据管理和数据治理的背景下,“数据是将人员,流程和技术结合在一起的粘合剂”,她强调说。这“使公民的员工能够完成他们的工作,并最终使他们更容易增加收入,降低成本并改善客户体验。”

数据构成了所有这一切的中心,也是人们搜索和编织信息的能力。“数据质量是其中的重要组成部分,”Cottone在数据管理和数据治理方面表示。“关于数据质量流程的持续参与吸收了数据管理。”数据质量通过共同填充,分析,提出改进,进行更改和监控数据,以推动所需业务成果的方式帮助连接数据管理员。数据质量仪表板针对75个系统中的每个系统的关键元素,帮助Data Stewards“以优先级方式解决问题。”通过数据,将人员,流程和技术结合在一起,实现了真正的数据治理。

作为粘合剂的数据赋予数据治理权力。对于Cottone,这意味着:

“寻找,理解和信任数据。成为CDO意味着对人,流程和技术充满热情。数据治理不仅仅是数据,而是将数据交到每个数据公民手中,即前线人员正在投入工作。“

从这个口头禅,Ursula Cottone平衡了数据治理与数据管理,实现了公民的最初使命,“通过快速访问高质量数据,为客户提供信心,支持数据驱动的决策,从而为业务合作伙伴创造竞争优势。”

(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
  • 来自园艺的5个数据治理课程

    来自园艺的5个数据治理课程

    所有这些数据增长和收购挑战都要求我们重新考虑我们的数据治理策略。我们根本没有确保正确管理和使用数据所需的可见性。我们的首要任务是消除风险……查看详情

    发布时间:2018.12.04来源:Debi Tadd浏览量:91次

  • 走向人工智能治理的趋势

    走向人工智能治理的趋势

    这是人工智能(AI)驱动的自动化和自动机器的时代。自我改进,自我复制,自主智能机器日益普及和迅速扩大的潜力刺激了网络空间,地球空间和空间……查看详情

    发布时间:2019.03.06来源:亿信华辰浏览量:52次

  • 数据治理管理干货 | 数据质量管理的方法

    数据治理管理干货 | 数据质量管理的方法

    原始数据通常包含错误,如果不做数据质量管理,可能会导致错误的结果。数据质量管理是数据治理中获得正确上下文和结论的基本步骤。……查看详情

    发布时间:2021.06.22来源:亿信数据治理知识库浏览量:62次

  • 为什么应该让企业销售和营销团队参与数据治理

    为什么应该让企业销售和营销团队参与数据治理

    虽然在许多人看来,数据治理可能仅仅是IT部门的领域。但现实情况是,每个与客户相关的组织部门都应该参与进来。特别是应该鼓励销售和营销团队在……查看详情

    发布时间:2018.11.15来源:塞浦路斯浏览量:94次

  • 数据治理术语表

    数据治理术语表

    DGI提供了使用非技术语言解释的网络最佳数据相关术语集。在这里,您将找到不仅需要了解数据治理,还需要了解其他类型的程序和项目所需的信息,……查看详情

    发布时间:2019.03.18来源:亿信华辰浏览量:92次

  • 数据治理委员会:指导原则

    数据治理委员会:指导原则

    数据所有权 指定义与特定数据集相关的各种责任级别。讨论谁负责特定的数据任务已经使我们机构的数据维护和准确性变得更加简单。……查看详情

    发布时间:2018.11.23来源:数据治理浏览量:48次

  • 扩展数据治理 推进数字化转型

    扩展数据治理 推进数字化转型

    数据正在重新定义我们的工作方式。当数据在上升至公司议程的同时,数据治理也得到了更多关注。数据治理正在迅速成为企业战略重点和不可或缺的业务……查看详情

    发布时间:2019.08.08来源:CSDN浏览量:52次

  • 银行数据治理怎么做,先了解一下元数据管理在银行业务中的应用

    银行数据治理怎么做,先了解一下元数据管理在银行业务中的应用

    伴随着我国银行信息化建设的发展,银行形成了包括核心系统、数据仓库、风险管理、客户关系管理等在内的多种业务和管理系统。大数据给银行数据处理……查看详情

    发布时间:2020.01.03来源:亿信华辰浏览量:36次

  • 大数据如何成为了驱动社会治理的创新转向?

    大数据如何成为了驱动社会治理的创新转向?

    大数据、智能化、移动互联、云计算成为了驱动经济发展和社会转型的重要力量,“用数据说话、用数据决策、用数据管理、用数据创新”成为了公共管理……查看详情

    发布时间:2018.09.30来源:中新界面浏览量:40次

  • 快速理解数据仓库、数据湖、数据工厂、数据中台

    快速理解数据仓库、数据湖、数据工厂、数据中台

    数据生产的整个链条中,对于如何筑湖、如何选址建厂、按什么工序加工、以及如何配送,这是技术部门的事情,而“数据半成品”的沉淀和积累,却不是……查看详情

    发布时间:2021.04.13来源:亿信数据治理知识库浏览量:90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