了解当今数据驱动型企业的治理核心

“大数据”这个词可能是本世纪的轻描淡写。今天的数据不仅仅是大数据，而是压倒性的。研究表明，世界上90％的数据都是在过去两年中创造的。如果今天你的数据看起来很大 - 等到你的组织开始从物联网开始喝酒。大量信息不断增长。

同时，保持大量数据及时，准确和值得信赖的挑战也是如此。组织无法承受失去对可靠和可靠数据的控制和访问的风险。考虑到满足客户期望和迫在眉睫的监管和法规期限的竞争压力，这一点尤其重要。

但是，大多数企业仍然从错误的角度处理数据治理。很多时候，谈话围绕技术，面向系统的挑战和程序而不是商业案例。毫无疑问，IT通过实施提供一些元数据和技术数据沿袭功能的数据仓库和数据管理工具来节省时间。但实际上，这些工具只是快速（和有限）的修复，只能满足组织的直接需求。如果企业想要数据驱动，那么您真正需要的是能够理解数据的业务能力。

当前分散的方法涉及根据需求和源和目标分析来集成系统和移动数据 - 而不是围绕如何在不同部门内的业务用户使用数据建立规则，标准和策略。此外，IT通常会在一系列古老的纸质文档中记录他们的发现和设计，详细说明数据将如何移动以及频率（每日与小时与实时），需要遵守的质量阈值，需要遵守哪些规则要检查，等等。在分析和设计之后，需要实施解决方案并且IT人员构建代码。最后，该解决方案在投入生产之前进行了测试。在其中每个点的组织知道确切数据来自何处以及它如何在系统之间移动。

但是，当有新的特定信息请求时会发生什么，例如银行或医疗保健组织争先恐后地达到新的监管期限？从事原始项目的工作人员可能已经开始工作，或者设计文档是错误的，或者更糟糕的是，完全缺失。试图回到您企业的多个数据库并重新构建信息来自哪里，并且在创建信息后，他们的手触摸了它是一个耗时，昂贵且不完美的过程。这就像你的地下室被淹没了，现在你在那里用拖把试图清理乱七八糟的东西。在数据清理项目中投入更多IT人力和技术能力 - 实质上是一个更大的拖把 - 并没有帮助。

更好的方法是首先主动阻止水淹没地下室。这可以通过将自动化和系统控制过程中的地方从一开始，或完成正式  通过商业案例与IT整合互动的过程中已经到位。

这种急需的，技术支持的数据治理方法采用企业级，复杂和系统的方法来处理数据，其中许多用户组都参与整个组织，以确保数据的可用性，可用性，完整性和安全性，这些都是关键适用于利用大数据作为资产并符合法规遵从要求的企业。最重要的是，数据治理创建了一个商定的，协作的和可执行的框架或操作模型，用于确定数据治理团队（包括首席数据官，管理委员会和工作组）的企业范围的策略，业务规则和资产，以及企业用户要关注。

采用管理数据的策略和标准的操作模型超出了IT基于纸张的系统间数据移动跟踪，并且在更大范围内，有助于确定数据清单，数据所有权，关键数据元素（CDE），数据质量，信息安全性，数据沿袭和数据保留。通过这种运营模式，包括数据沿袭，可以获得关键见解，任何用户，在任何时刻，都可以看到每个数据来自哪里，哪些用户与之交互过，它在哪里，以及其他什么数据库它将进入。

在制定数据治理策略时，请牢记以下五点，以确保您的计划产生重大影响：

• 仅技术元数据（即列，表，进程，存储库）不足以帮助DBA或数据管理者以允许有效数据管理的方式理解和建模数据。需要在元数据之上构建语义层，以便为数据提供正确的数据建模和更好的数据性能。这就是为什么数据治理必须成为一个集成流程，组织的业务部门与IT携手合作。

• 从源系统到目标系统的数据沿线以及转换以及业务元数据（如业务术语定义和规则）对数据管理员和技术目的至关重要。但是，可追溯性或360度视图数据资产对于希望回答“我的数据来自何处？”等问题的商业用户来说至关重要。使用了哪些政策？应用了哪些标准？“例如，策略管理者希望看到他们的安全策略对不同数据域的影响，最好是在他们执行策略之前; 分析师希望高度概述数据的来源，应用的系统和规则; 并且审计员可能希望看到受影响的系统和业务流程的数据问题的痕迹。可追溯性对于获得直接谱系无法提供的更具洞察力的答案至关重要。

• 使用真实的  启用工件（  例如映射规范和数据共享协议）来主动驱动该过程。通过推动业务需求中的数据移动，您可以创建透明度和控制。数据共享协议中包含的SLA在数据生产者和消费者之间建立了明确的所有权和责任，这是信任和敏捷性的基石。

• 创建系统  传感器：在发生变化时扫描数据源和目标系统的控制点，并在发现问题时自动通知数据管理员。通过向数据团队发出警告，对系统所做的任何更改都可以让数据管理员和组织中的其他人员对变更作出反应，或者通过调整规则和标准来管理数据，和/或避免更大的问题发生在数据表现。企业现在可以处理数据异常，而不必像业务那样处理异常。

• 实施数据治理平台，不仅可以平滑地集成周围工具和技术的格局，而且具有可扩展性和适应性，可以快速满足不断变化的业务需求。这将有助于降低运营成本并确保激光专注于数据质量，同时还消除了在数据请求和异常时依赖IT争夺答案的需要。

数据治理不仅涉及风险管理。它是关于深入了解数据的核心，使组织中的每个人都能更轻松地使用和信任数据，从而获得业务优势。良好的数据治理系统不仅可以主动防止出现问题，还可以使整个公司的用户更容易以更直观，易懂的方式查看数据。数据治理是一个框架，用于设置数据使用策略和实施控制，旨在确保信息保持准确，一致和可访问的一致和及时的方式，以便您的公司处于驾驶员的位置，以利用通过大数据提供的许多机会。