数据治理的演变

数据治理正在迅速发展。

在早期，数据治理被严格地视为一项IT功能，专注于数据编目，而这些数据编目很少（如果有的话）被业务看到或使用过。

接下来是数字化转型和大数据狂潮。组织意识到他们可以从他们创建的所有各种数据集中提取价值。 这成为了Data Governance 2.0，它引入了推动现代数据驱动型业务的原则。这种方法包含协作，消除组织孤岛并在更多角色中传播问责制。

正如“ 华尔街日报”  所说，在2018年，有一个“全球计算数据治理” 。许多行业的组织遭受大规模数据泄露，导致严重声誉受损，以及Equifax，Facebook，万豪和雅虎等顶级品牌的市场价值下降。今年5月生效的欧盟通用数据保护条例（GDPR）导致许多公司为了达到合规标准而争先恐后，许多公司在此过程中遇到了磕磕绊绊。 

所有这些数据剧和创伤，下一步是什么？

从数据治理觉醒到数据智能启蒙

进入2019年，数据治理不再是可选的，因为它支持数据安全性，合规性和隐私。虽然监管合规性和风险缓解是关键驱动因素，但实际情况是数据治理是组织数字和业务转型之旅的战略组成部分。

如今，领先的企业正在评估如何使用他们的数据来取得成功。数据治理的下一个发展 - 数据智能 - 能够将数据转换为知识。数据智能连接数据管理和数据治理的所有元素，以提供有助于改善客户体验并激发产品和服务创新的信息和见解。

根据ISACA的数字化转型晴雨表，“十分之九的企业（91％）正在尝试数字化转型，因为它们希望激发创新和探索效率，但其中大多数（64％）在尝试整合新兴和不成熟的技术时遇到了挑战“。

此外，IDC表示缺乏数据情报会影响数据治理工作。如果没有它，公司就会浪费时间 - 如果值得信赖的数据没有在合适的时间传递到正确的资源，那么每周最多可达30％或12小时。

数据困境

公司拥有的数据比以往任何时候都多，但他们如何从中获得准确可行的见解？

无论业务规模如何，整个高管都会出现与数据相关的类似问题：“我不知道我有什么数据？我不知道它在哪里？我能做什么？用它来获得更多价值？“

这些问题来自缺乏整体数据控制和可见性，以及传统架构的挑战。企业花费更多时间寻找他们的数据而不是用它来创造商业价值。事实上，数据分析师花费80％的时间为项目准备数据，但只有20％实际使用它来产生结果。

因此，企业需要从不同角度查看数据，了解它是如何分散的，并最终衡量它对组织的影响。然后，他们需要将业务视图与数据管理的技术方面保持一致并进行同步。只有这样，他们才能拥有可靠，灵活和高效的数据能力，以可证明和可持续的方式创造价值。

数据智能的七个步骤

如果您的企业希望从其数据中获得更多价值，请参阅以下有关如何创建有效数据情报计划的一些提示：

1.识别： 识别和询问组织数据管理基础架构（数据存储，数据集成/移动）的任何组件的工作细节，无论使用何种位置或技术，以确定数据的存储方式和方式以及数据如何移动和转换整个企业。

2.捕获：  提出一种自动化且可持续的方法来捕获和集中来自各种来源的元数据，以提供单一的标准化视图，您可以从中了解，集成，管理和部署数据到企业。

3.连接：  通过将物理元数据连接到业务语义，规则和用法来丰富物理元数据，以提供多个视角和集成上下文，以使利益相关者能够理解，能力和协作，无论角色，专业知识和/或技术敏锐度如何。

4.分析：轻松识别和理解不同的数据元素，数据源和数据管理基础架构如何组合在一起并相互关联以满足特定的业务用例。

5.地图：  了解现有数据流并操纵该流以支持业务运营和战略转型，以捕获沿袭，实施影响分析并加速新数据源和数据管理基础架构的集成和部署。

6.管理：对任何/所有数据（静态或动态）应用政策，程序，规则，标准和最佳实践，无论技术如何，为隐私，安全，正确使用，所有权/提供指导，意识和能力企业数据的责任和风险缓解。

7.统一：提供和管理对数据资产和基础架构的内容，机制和控制的统一视图的访问。同样重要的是，这种观点必须根据消费者角色的背景和视角进行调整，确保他们能够了解相应的数据资产，轻松搜索和浏览他们的条款，并与业务伙伴协作，打破业务和技术孤岛，提高自助服务能力和促进利益相关者的流利（意识和理解）。

最终，所有行业都处于数据业务中，所有员工都是数据人员。但是，组织的成功并不取决于它收集的数据量; 相反，它取决于它使用它的程度。通过将数据治理作为文化的一部分，数据智能可以帮助您确保公司的数据得到充分利用。