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:101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
在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。”
-
解锁数据治理:亿信华辰的数据治理工具引领风潮
在数字化飞速发展的时代,数据已成为企业的重要资产。然而,如何有效管理和利用这一资产,确保数据的质量、安全性和合规性,是企业面临的挑战。亿……查看详情发布时间:2023.09.27来源:浏览量:66次
-
手把手系列:常用数据交换方案之Web Service接口处理法
Web Service是一个SOA(面向服务的编程)的架构,是一个平台独立的,低耦合的,基于可编程的web的应用程序,可使用开放的XML……查看详情发布时间:2020.12.29来源:知乎浏览量:86次
-
敏捷方法如何帮助解决您的数据问题
无论哪种方式,您都必须像软件开发人员一样思考,并确保您拥有正确的思维方式,技能组合和工具集,以保持数据掌握的灵活性。……查看详情发布时间:2019.02.27来源:亿信华辰浏览量:81次
-
数据治理成功要素:制定数据质量管理办法及标准
数据质量管理是指为了满足信息系统的需要,对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题,……查看详情发布时间:2022.02.25来源:小亿浏览量:205次
-
当今困扰企业的三个最常见的数据问题
各组织都在发生数据危机。虽然存在缺陷,但传统的数据管理方法(ETL和MDM)运行良好,因此可以产生一些数据感。但是数据收集的增长速度远远……查看详情发布时间:2019.02.13来源:企业浏览量:84次
-
大数据时代传统工业企业的转型之路
基于互联网与大数据的企业商业模式创新,使得传统的生产、流通和消费等环节呈现出前所未有的“信息化”、“扁平化”和“无界化”。借助于大数据的……查看详情发布时间:2019.03.27来源:亿信华辰浏览量:79次
-
数据治理目标是什么?数据治理框架包括哪些方面?
数据治理涵盖了数据质量、数据建模和架构、数据存储、数据操作、商业智能、数据沿袭、文档、数据集成和数据安全等.制定数据治理计划前我们需要……查看详情发布时间:2021.07.22来源:亿信华辰数据治理浏览量:356次
-
如何实现数据治理合作交流的4点建议
数据如同工业的石油一样,成为国家的重要资源,成为推动经济社会增长和发展的重要引擎。大数据、云计算、人工智能是大势所趋,发展这些技术也是人……查看详情发布时间:2019.10.25来源:知乎浏览量:72次
-
企业如何进行数据资产管理
大数据离不开计算和存储,因此大数据建设与成本强挂钩。大数据需要耗费大量的计算存储资源,如果没有合理的资产管理,很可能在大数据还没来得及发……查看详情发布时间:2020.08.28来源:知乎浏览量:67次