数据治理活跃在企业的方方面面

发布时间:2019.03.13来源:亿信华辰浏览量:106次标签:数据治理


我们都知道数据治理存在感知问题(温和地说)。真正的数据治理是对任何和所有数据管理活动的控制和支持。但是,数据领导者常常关注控制角度或从技术数据管理角度处理问题,从而导致缺陷。对于一些人来说,它让人想起警察和官僚机构的形象。他们对被困在黑暗地下墓穴中的数据视而不见,只有经过数月的繁文缛节才能进入。对于其他人来说,他们痛苦地记得他们浪费精力参加会议,更新电子表格和维护维基,只是为了得知没有人利用他们的辛勤工作。

难怪数据治理有一个糟糕的说唱。尽管它提供了真正的价值,但由于过去的错误经验,组织回避实施治理。想象一下下面的场景,看看是否听起来很熟悉。

贵公司正在启动一个建立新数据湖的项目。每个人都对这个项目感到非常兴奋,因为人们最终会在一个地方找到他们的所有数据,用于报告,商业智能(BI),分析等等。

在启动会议期间,一切都进行得很顺利,直到有人通过建议您将数据治理纳入项目而将空气排出房间。人们不安地环顾四周,直到反对者说出来并说“没办法 - 治理不起作用。这只是一堆充满理论的幻灯片!“然后其他人插话:”它可以工作,但肯定听起来像是很多工作。这将减缓我们的项目。“为数据治理打一场。

该项目向前推进 - 没有数据治理 - 几个月后,湖泊开始出现衰退的迹象。曾经原始的湖泊变得模糊不清,数据质量差,副本太多。有人大胆地提出了数据治理的想法。这一次,执行冠军在船上。他告诉团队将理论幻灯片转换为电子表格,安排每月管理会议并使用维基创建协作环境。听起来很棒,直到三个月后,没有人出席会议。电子表格变得令人沮丧地复杂,并沉入到重载收件箱的底部。最后一根稻草是当人们停止信任狂野的西维基时。这是数据治理的第二个问题。

快进六个月。数据湖项目继续取得进展。随着每一天的过去,湖泊变得更像沼泽。群集总是渴望更多节点。团队很紧张。他们看到金钱在排水沟中流淌而没有真正的价值来展示它。其余的数据科学家也越来越有声音。他们抱怨说他们把所有时间花在搜索数据上,这完全是他们的天赋浪费。更糟糕的是,他们发现的一些见解从来没有对业务产生影响 - 那些做不到的人。他们开始喃喃地说,如果事情不会很快改变,他们就会把他们的才能带到别处。

显然,该团队正处于十字路口。我们的数据治理信徒仍然知道治理可能是一个答案。她没有再次使用数据治理角,而是采取了不同的方法:“让我们在湖周围包装数据目录。”该目录将帮助确定湖中的数据,含义,拥有者,使用者它甚至可能来自它。目录还可以帮助确定湖中是否存在不应存在的数据 - 以及谁负责将受保护,重复或质量差的数据倾倒到水晶般清澈的湖中。

数据湖团队热情地倾斜。这个“数据目录”可能是他们一直在寻找的答案。它将帮助他们清理肮脏的湖泊,并确保在正确的时间只在正确的地方找到正确的数据。不仅如此,目录还可以使所有数据易于查找,易于理解且易于信任 - 适用于业务中的每个人。

我们的数据治理冠军成为项目的英雄,但不是因为她继续推动治理议程。她看到了写在墙上的文字:团队对过去经历中的治理持否定态度,并且不愿意再次尝试。他们认为治理会锁定数据并减慢数据。他们看到了很多毫无意义的工作,看不到治理可以提供的价值,直到它以一种与他们的挑战产生共鸣的方式呈现给他们。

如果您面临的情况类似于我刚才描述的情况,我建议您重新考虑您的治理方法。当没有治理失败的项目失败时,说“我告诉过你”不会赢得任何朋友,但狂热地推动治理议程也不是答案。相反,回到治理。向同事展示现代数据治理如何打开数据并推动整个企业的可信协作。

数据治理似乎已经死亡,但事实并非如此。


(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
  • 数据治理和数据管理推动成功的词汇表和词典

    数据治理和数据管理推动成功的词汇表和词典

    任何数据管理员的噩梦都是运行会议,创建迂腐和无关的业务词汇表或数据词典,最终收集网络粉尘。但是,跳过构建和维护良好的业务术语表或数据字典……查看详情

    发布时间:2018.12.27来源:亿信华辰浏览量:150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:189次

  • 现在企业为什么越来越关注数据治理了

    现在企业为什么越来越关注数据治理了

    数据治理在当今的企业中经常被引用,但是许多IT团队在围绕如此宽泛的概念进行思考时遇到了麻烦。数据治理也称为信息治理,是指用于管理整个组织……查看详情

    发布时间:2020.06.22来源:知乎浏览量:181次

  • 数据治理2.0:2018年最值得关注的数据

    数据治理2.0:2018年最值得关注的数据

    今年,我们将在震中的Data Governance 2.0中看到我们收集,存储和使用数据的方式发生了巨大变化。对于许多组织而言,这些变化……查看详情

    发布时间:2019.01.25来源:亿信华辰浏览量:200次

  • 企业怎样保护业务数据的质量

    企业怎样保护业务数据的质量

    企业内容的质量主要从以下三个方面体现:技术人员设计系统时逻辑严谨,符合规范;业务人员通过统一的培训,录入数据时有统一的规范;管理人员发现……查看详情

    发布时间:2019.09.10来源:知乎浏览量:154次

  • 如何降低BI系统建设风险?数据治理告诉你答案

    如何降低BI系统建设风险?数据治理告诉你答案

    如何降低BI系统建设风险?如何更好地管理和控制数据,做好数据体系建设,而非打造一个又一个割裂孤立的系统?这其中数据分析与数据治理双翼并行……查看详情

    发布时间:2021.03.23来源:亿信数据治理研究院浏览量:701次

  • 做数据的守护者亿信华辰推新一代数据治理解决方案

    做数据的守护者亿信华辰推新一代数据治理解决方案

    为帮助银行业客户满足监管合规的要求,亿信华辰在2018年推出了最新版的数据治理解决方案,其中包含数据治理组织架构的建设、数据管理专项工作……查看详情

    发布时间:2019.10.24来源:知乎浏览量:122次

  • 数据治理的定义:什么是数据治理?

    数据治理的定义:什么是数据治理?

    数据治理(DG)是增长最快的学科之一,但在定义数据治理方面,许多组织都在努力。 Dataversity称DG是“有助于确保组织内数据资……查看详情

    发布时间:2018.11.15来源:Zak Cole浏览量:204次

  • 中小银行数据治理工作所面临的问题

    中小银行数据治理工作所面临的问题

    虽然各银行积极响应监管要求,开展数据治理工作,但《中小银行金融科技发展研究报告(2019)》显示中小银行的数据治理基本处于萌芽期,达91……查看详情

    发布时间:2020.07.09来源:小亿浏览量:259次

  • 数据质量问题的影响因素

    数据质量问题的影响因素

    数据质量反映的是数据的“适用性(fitness for use)”,即数据满足使用需要的合适程度。数据质量通过完整性、一致性、准确性、及……查看详情

    发布时间:2020.04.09来源:百度浏览量:570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