为数据管理/数据质量/问题分析提供资金

大多数具有正式数据治理工作的组织都对正在进行的数据管理工作给予了高度关注，解决了利益相关者之间发生自然冲突和/或数据质量工作时出现的问题。

通常，组织选择五种模式中的一种来为这些努力提供资金。

• 计划资金（类似于资助PMO）
• 使用项目的预算来资助这些努力
• 将这些活动列为其他项目或部门预算中的行项目
• 对利益相关方团体的退款
• 没有资金 - 将这些努力视为“破解填补”活动

应该指出的是，最后一种选择 - 将这些努力视为“在时间允许的情况下”完成的活动 - 很少被视为数据利益相关者满意。另一方面，有时它是决定开始这些活动与组织下一个正式资金周期之间的唯一选择。

所有公司都在努力应对如何应对数据治理主导的问题分析工作中提出的建议。 

这种类型的资金比如何资助计划的制定，持续治理和持续的管理/质量工作的问题更成问题。它更难，因为它更难预测。我们应该留出多少时间/金钱/注意力来纠正我们尚未分析的问题以确定其范围 - 更不用说解决它们的努力程度了？

当“我们不知道我们不知道什么？”时，我们如何才能做出准确的预算估算？

显然，我们做不到。因此，组织通常采用不同的方法。他们创造了时间/金钱/关注的“桶”，他们可以用来解决在治理主导的问题分析中发现的问题。

不过，这对任何人来说都不容易。无论数据治理计划的重点和问题分析工作的频率如何，所有组织都必须回答相同类型的问题：

• 一旦确定了解决方案，应如何确定优先顺序，以及组织的哪个部分？
• 在确定优先顺序的同时，如何根据其他提议的工作进行排名呢？
• 在预算编制期间，他们没有及早发现，这有多重要？
• 既然他们已被确定，他们应该如何获得报酬，由谁支付？

简而言之，数据治理促进问题分析迫使组织回答一个棘手的问题：您如何为意外事件预算？