良好数据治理的6步路线图

发布时间:2019.04.03来源:亿信华辰浏览量:122次标签:数据治理

今年早些时候,我们发现许多数据科学家将大部分时间花在“数据管理员”上 - 即分类和清理数据,而不是将其分析为可操作的见解。

该研究还发现,这类工作是数据科学家最不喜欢的,当分析技能最需要和供不应求时,这是一个值得关注的问题。正如CrowdFlower首席执行官Lukas Biewald所评论的那样,“你有最难雇佣的资源,他们大部分时间都在清理数据。这对组织来说是一种巨大的浪费。“

在依赖数据的自动化世界中,持续的数据管理至关重要。制定明确而全面的数据治理策略将有助于公司从中获得最佳效果 - 并且更好地使数据科学家能够专注于从所有数据中获取价值。

数据治理:成功的关键

良好的数据治理策略涵盖数据的存储,访问,刷新和使用方式 - 鉴于客户对隐私和个人数据问题的认识不断提高以及加强监管(例如欧盟新的通用数据保护法规),这一点也越来越重要(GDPR)。

在去年对我们研究报告的调查中感受到了热度:大数据逐渐消失,服务提供商将数据治理列为首要关注点。TM论坛常务董事Rob Rich也强调良好的数据治理是成功获取大数据的关键因素。Rob说:“数据治理从根本上讲是一门学科,其特点是在各组织之间部署一系列控制措施,以确保数据的完整性和信任。它包含一系列流程,确保数据资产在整个数据生命周期中受到正式管理,包括组织中所有部分的发现,评估,使用,改进,管理,维护和保护。它还定义了员工的责任和责任,当然还包括支持流程的工具和系统等技术。“

数据治理路线图

TM Forum的新数据治理功能和实施报告作为Frameworx 16的一部分发布,概述了实施有效数据治理的六步路线图。

定义并对齐

第一步是定义数据治理策略并使其与业务战略保持一致。您尝试解决的业务问题是什么?数据如何帮助您实现目标?

在感受到热度:大数据升空,Rob建议说,“数据治理计划应该从降低风险开始。最大限度地减少监管违规行为(例如,避免罚款和破坏品牌的宣传)至关重要,提高数据隐私和安全性也是至关重要的。它还应通过消除重复和返工来提高业务效率,并应通过明确分配数据元素的“所有者”来提高工作人员的效率。“

他补充说:“成功的计划确立了总体目标,但通常始于高优先级领域,如合规性,客户支持或业务敏捷性。”

角色和责任

下一步是定义数据治理的角色和职责。随着复杂的合作模式在数字生态系统中成为现实,数据的所有权和管理是监控和控制的关键因素。

例如,不同的数据类型可能需要不同的所有者。这意味着需要定义所有不同的数据类型以及数据操作模型。

Rob说,“整个组织的信息业务用户必须以协作的方式参与进来。毕竟,他们通常是数据的所有者和用户,但如果计划要保持势头,治理专业人员必须小心谨慎地关注商业利益,而不是让他们负担过重。“

政策和流程

接下来,重要的是概述管理数据的策略和流程,并将它们映射到角色和职责。首席数字官经常建立这些政策和程序。

组织使用的数据越来越多地由组织外部以及组织内部生成和消费。因此,需要定义和跟踪某种程度的质量(例如,第三方应用程序可以建立在城市的开放数据上)。例如,数据存储,格式化,元数据,安全性和合规性也需要清晰的流程。

测量和监控

您将如何跟踪进度并衡量有效的方法?是时候定义指标和测量方法了。

Rob解释说,“实际上,大数据分析的每个方面都取决于数据的准确性和可访问性。不幸的是,这些数据可以在服务提供商组织的每个角落中以各种可想象的格式找到,并且经常与来自其他来源的类似数据冲突。“因此,数据治理计划必须解决质量问题,并确保数据的可访问性和可用性,但它们必须先行走才能运行。在整个企业中建立一套商定的,共同的定义或数据架构,可以大大提高大数据的成功率。“

1、选择技术一旦有了用于测量和监控数据治理的框架,您就可以为该工作选择合适的工具。

          2、关闭循环根据持续改进的精神,定期检查数据治理与业务目标的性能非常重要。

          3、该数据管理职能和执行报告进一步详细概括了一些将需要确保一个全面的数据治理策略的过程。





(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
  • 数据质量管理趋势

    数据质量管理趋势

    进一步信息又可分为物理信息和语义信息两类,其中物理层面的信息反映基础的数据结构;语义信息属于进阶有含义的语义数据结构,反映人类的视角。……查看详情

    发布时间:2019.11.15来源:知乎浏览量:82次

  • 方法论:如何从0到1搭建企业级主数据管理平台

    方法论:如何从0到1搭建企业级主数据管理平台

    企业主数据是用来描述企业核心业务实体的数据,比如客户、合作伙伴、员工、产品、物料单、账户等;它是具有高业务价值的、可以在企业内跨越各个业……查看详情

    发布时间:2020.12.04来源:知乎浏览量:129次

  • 全栈式数据标准管理平台方案来了!

    全栈式数据标准管理平台方案来了!

    数据标准百度给的解释就是数据标准化是企业或组织对数据的定义、组织、监督和保护进行标准化的过程。数据标准化分为开发(D)、候选(C)、批准……查看详情

    发布时间:2020.08.28来源:知乎浏览量:93次

  • 数据交换平台解决方案

    数据交换平台解决方案

    数据交换平台提供各子系统接入的接口,实现数据交换平台和各信息系统的有机结合,以统一的接口规范实现数据自动提取、数据转换、数据发送、数据校……查看详情

    发布时间:2020.04.23来源:知乎浏览量:73次

  • 大数据环境下我国政府数据开放及应用研究

    大数据环境下我国政府数据开放及应用研究

    在当前政府各项工作开展过程中, 政府数据管理属于十分重要的一项任务及内容, 对于政府各项政务工作的开展均具有十分重要的作用及意义。……查看详情

    发布时间:2019.02.19来源:亿信华辰浏览量:52次

  • 为健全数据治理奠定基础

    为健全数据治理奠定基础

    本文展示了如何构建具有广泛业务涉众参与的“基层”数据治理能力。 ……查看详情

    发布时间:2019.01.14来源:亿信华辰浏览量:72次

  • 大数据时代企业数据治理应该怎么做?

    大数据时代企业数据治理应该怎么做?

    大数据不是凭空而来的,1981年第一个数据仓库诞生,到现在已经有近40年的历史了,而国内的企业数据平台的建设是从90年代末才开始的,从第……查看详情

    发布时间:2019.08.01来源:知乎浏览量:77次

  • 数据问题的全面解决之道——数据治理

    数据问题的全面解决之道——数据治理

    当今的大型企业,内部分工日趋细化,采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节,无不每时每刻产生着大量的数据。……查看详情

    发布时间:2019.01.18来源:亿信华辰浏览量:81次

  • 数据科学的下一个「超能力」:模型可解释性

    数据科学的下一个「超能力」:模型可解释性

    很多人重视重视模型的预测能力,却忽略了模型可解释性的重要性,只知其然而不知其所以然。为什么说模型的可解释性这么重要呢?作者就 5 个方面……查看详情

    发布时间:2019.03.28来源:亿信华辰浏览量:72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:100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