数据治理是真实的，是需要的！

有许多组织可以很好地管理和管理他们的数据。或者是足够好（无论对每个组织来说意味着什么）。但是，还有其他组织根本不管理和管理他们的数据。他们中的一些人知道这是真的，有些人不认识到这种情况，然后有些人知道他们是糟糕的数据管理者但拒绝对知识采取行动。那么你是哪一个呢？

当我谈论和写下数据时，你会注意到我使用术语“管理”。我把它们放在一起但同时分开。我认为数据管理由许多学科组成，其中一个可以被视为数据治理。DAMA International将数据治理纳入其框架的中间。它们密切相关，但它们不是一回事，让我给大家解释这两者之间的关系以及区别。

数据管理是一系列与控制组织如何定义，生成和使用数据相关的学科。这些学科的例子包括数据建模，数据架构，数据质量，元数据管理，数据互操作性等。正如你所看到的，这些学科中的许多都需要整体数据战略，计划，承诺和知识渊博的资源，以确定它们的实现方式。解决。数据治理只是这些学科之一，作为一种实践，往往变得不那么具有技术性。

数据治理侧重于将人们的行为和问责制正式化，以确定他们如何定义，生成和使用数据。将数据治理定义为“执行和执行数据管理权限”，并将管理权定义为“数据管理问责制的正式化。”这两个定义都侧重于人。

改进数据管理和数据治理可以提高整个组织的效率和效率。大多数情况下，需要真实的数据来说服人们，他们的日常行为是他们对数据质量的信心的结果。并且他们有责任帮助识别数据问题并提高数据质量。衡量执行简单或更好但复杂的功能所需的时间可能是人们花费时间管理数据的最佳指标。在许多组织中，人们做出了令人惊奇的事情，以便以他们需要的方式获取数据从而能够使用它。人们创建报告并将主要数据资源中的数据集拉入电子表格，并对此数据采取许多操作。

人们通过导出他们自己的数据来纠正数据。这些行动没有记录，往往难以重复或解释。但它们肯定会对用于制定决策，满足合规性要求以及从最重要的数据资产中获取价值的结果产生影响。人们理解和信任数据的时间以及他们改变数据质量的频率决定了他们在工作职能中的效率和效率。当收集有关这些事物的数据时，可以测量这些事情。

另一个说服人们“数据管理是真实的”的真实数据的例子可能集中在保护敏感数据上。当数据处理程序依赖于数据分类时，有很多东西也可以转化为实际数据。了解人们现在如何处理敏感数据，以及他们的知识和行为如何在显示与数据共享，传输，存储和打印相关的规则后如何变化，这是人们的工作受到正式数据治理计划影响的另一种方式。而且它们也可以被测量。错误处理数据的出现，人们对规则的了解，

当有数据证明它是真的时，很难否认某些事情。然而，这仍然会发生。我的建议是，您通过关注人们花时间以最需要的方式获取数据以最佳地执行其业务功能来证明改进。数据治理是真实的，人们真的需要它。

4、充当业务和IT之间的联络人，以验证IT是否完全理解业务需求，并确保业务完全参与IT领导的项目

许多数据治理计划失败，因为它们的范围，成本和时间尺度都太大。在小型阶段或项目上工作更有可能带来成功。例如，尝试在业务区域中执行一个进程。完成后，在下一个业务领域实施相同的流程。不要试图立刻实现太多; 如果数据治理程序太大且非结构化，则不能有效地提供好处，并且整个程序可能会停止。如果你专注于范围的小范围，你可能会在数据治理框架的实施中取得小而一致的成功。

通过小的频繁阶段（或项目）实施数据治理计划允许您使用精益问题解决方法：计划 - 执行 - 检查 - 调整（PDCA）周期。

例如，初始计划步骤将审核你打算实施数据治理的业务领域，并采取措施以充分了解当前情况。该领域的优先事项和挑战是什么？这些知识将使您能够规划有益于该领域的数据治理框架的实施。在do阶段，您将实施框架，并确定并向各利益相关者简要介绍其角色和职责。在此阶段，准备利益相关者开始关注其中一个数据治理流程或活动，例如为数据词汇表定义数据项，或使用数据质量问题解决方案。

从乔治奥威尔的动物农场获取灵感，我们可以说所有数据都相同，但有些数据比其他数据更平等。精益使用优先级排序技术专注于你可以获得最大价值的领域，同样的方法可以应用于管理数据。使用相同级别的监视和控制来管理所有数据无法实现价值。最高级别的监控和控制应仅应用于成功运营业务所需的最关键数据。应用精益原则并优先处理数据治理活动，为最低工作量增加最高价值的数据将有助于利益相关者参与并展示数据治理的好处，同时实现长期活动（即高价值和高努力）。

业务参与对于所有数据治理活动的成功至关重要，并且通过数据治理框架的坚实基础来支持这些活动将帮助你实现持久的数据治理成功。