简明扼要的数据治理指南

数据收集是企业执行的最重要的功能之一。通过获取有关您的客户，员工，财务等的数据，您可以确保轻松，可靠地访问有助于指导主要业务决策的信息。

但是，如果您的数据变得不可靠或无效，则可能对您的组织构成重大威胁。您的员工无法访问指导其日常工作流程的重要信息。而且，如果数据完全无法使用，则数据收集必须从头开始重新开始。

什么是数据治理（DG）？
数据治理是个人，技术和系统的组合，它们协同工作以保护组织的数据。这可确保数据准确，全面且易于为员工发现。企业使用数据治理来保护其信息并将数据分发给最能使用它的员工。

有许多类型的数据治理属于其总体保护范围。我们来看下面部分中的一些示例。

数据治理示例
1.数据可用性
如果您希望您的员工使用您的数据，则需要易于理解。数据应存储在一个位置，并以简单，合理的方式进行组织。此外，组织中的每位员工都应了解每项数据的含义，收集方式以及使用方法。

2.元数据
元数据是定性信息，用于描述您在业务中收集的其他数据。它可以帮助您的团队了解收集某些数据的原因以及与短期和长期目标的相关性。这样，如果数据被错放或遗忘，您将获得解释每个数据集目的的上下文线索。

3.数据安全
虽然您的大多数数据都应易于访问，但某些信息将非常私密，只有特定员工才能查看。在这种情况下，数据安全性对于保护数据和决定谁应该访问数据至关重要。这对于有关工资单或财务的信息尤其有用。

4.数据质量
数据治理最重要的一个方面是确保您的数据可靠且一致。如果没有，您的团队可能会做出错误的决定，最终导致您的业务损失惨重。始终如一地检查数据的准确性可以过滤掉错误的，过时的或损坏的信息。

5.数据集成
有时，需要合并来自各种来源的数据。在这些情况下，数据集成将此信息分组到一个更大的数据集中，从而提供有关您业务的有意义的见解。通过将数据组合在一起，您可以更清晰地了解组织内不同功能的相互关系。

6.数据保存
您的公司应该有一个决定数据存储和保存方式的流程。毕竟，一些数据不断使用，而其他信息可以存档，甚至删除。这是有助于建立通用存储系统以确保相关数据永远难以找到的地方。

还可以根据您的业务需求和您使用的数据治理类型采用多种数据治理模型。我们在下面的部分中看一些这些模型。

数据治理模型
1.个人的分散执行
此模型非常适合管理和维护所有数据的个人业务所有者。在此模型中，创建和设置数据的同一个人通常是唯一使用它的人。我们可以看到这个模型如何使用下面的图像播放。

2.团队的分散执行
此模型还为管理和维护主数据的业务所有者构建。但是，在此模型中，数据由不同团队的多名员工使用和共享。这样，如果您的企业有多个办事处或商店，您可以确保将信息分类并分发给团队中的每个人。使用下图查看此模型的工作原理。

3.集中治理
在此模型中，业务所有者或多个业务负责人可以控制主数据。个人或团队根据来自其他部门的请求控制数据的创建和设置。使用此系统，数据可以集中到团队负责人，他们可以根据需要向员工分发信息。这对于拥有大量员工并需要规范内部信息共享方式的公司非常有效。

4.集中数据治理和分散执行
最终模型结合了上面列出的系统的不同方面。在此模型中，有一个控制主数据的个人或团队，但每个团队都会创建自己的数据集以提供信息。这意味着管理层和团队成员都负责收集和共享内部数据。这对于希望将数据简化为管理团队的大型企业来说非常有用。

现在我们已经熟悉了数据治理是什么以及如何实现它，让我们来谈谈在创建数据治理框架时要考虑的一些最佳实践。

数据治理最佳实践
1.从小样本开始。
最好不要使用复杂或长期项目启动数据治理计划。你可能会犯错误或失去团队的动力。相反，从一个更小，更易于管理的项目开始，比如分析一个团队的数据。评估数据的状态，特别是其收集，存储和使用情况，然后决定将多少预算投入到计划中。

2.创建一个专门用于您的计划的团队。
如果您希望数据治理有效，那么您需要创建专用于您的程序的角色。该计划的领导者应具备良好的沟通技巧，并能够将其重要性传达给贵公司的其他成员。团队中的每个人都应该有明确的职责，并确保每个数据治理计划顺利，快速地运行。

3.与外部利益相关者保持透明。
对于业务功能和变更，您应始终与外部利益相关者（客户，合作伙伴，投资者，供应商等）保持透明。在这种情况下，在将其设置到位之前，应该让所有人都知道您的数据治理程序。您希望您的利益相关者知道公司数据的安全性和有效性是主要优先事项。

4.为数据治理设定明确的目标。
一旦实施了新的治理系统，为您的计划设定目标将确保其长期成功。这些目标可以包括保护顶级数据，减少团队之间的摩擦，降低数据管理成本，以及创建更快的数据输入流程。无论您的目标是什么，它都应该是可操作的，并包括成功的路线图。

5.完成后评估项目。
在每个数据治理项目完成之后，您不应该只是背对自己并继续前进。毕竟，如果项目未能成功实现您的目标，则需要针对下一个计划进行调整。对您的数据运行一些测试以记录更改，并与您的团队讨论应简化哪些流程以及需要重新调整哪些流程。