什么是数据治理？
数据治理是一组原则，标准和实践，可确保您的数据可靠且一致，并且可以被信任来推动业务计划，制定决策和推动数字化转型。成功的数据治理程序使您能够以可重复的方式来做这些事情，并且可以随着数据量（和数据源）的增长和技术的发展而扩展和适应。简而言之，良好的数据治理意味着您现在和将来都可以放心使用数据。
关于数据治理，我需要了解什么？
数据治理要求组织理解和评估其数据必须满足的监管要求，法律要求和业务最佳实践，然后建立规则并采用自动化的人工流程来执行规则。数据治理的驱动力通常是法规和法律要求；但是，治理规则可以是组织希望遵循的任何实践。治理通常指示某些类型的数据可以存储在何处，并编纂诸如加密或密码强度之类的数据保护方法。治理可以指示如何备份数据，有权访问数据的人以及何时应销毁已归档的数据。组织还可以围绕提高数据质量或打破孤立某些数据的孤岛来设定治理目标。
您经常会听到有关数据治理“框架”的信息。一个数据治理框架，包括规则，人的角色，流程和技术的工作，共同在您的数据治理策略的组织对齐大家。如果数据治理是“什么”，那么数据治理框架就是“如何”。
成功的数据治理计划的核心组成部分
成功的数据治理计划具有四个关键要素：愿景和业务案例；合适的人；智能数据治理技术；高效的流程。
愿景与商业案例
该愿景阐明了您建立治理计划的广泛战略目标。商业案例清楚地阐明了特定的商业机会。换句话说，您的愿景是您的目的地，而业务案例是您实现目标的工具。
愿景声明尽管广泛，但应该是可行的，而不是抽象的。未来三到五年。例如，“通过减少解决问题的时间，提供更多相关的营销材料以及保护敏感的客户数据来创造更好的客户体验”是坚实的数据治理愿景。
该业务案例还必须是可操作的，但将更加务实，动手，具体说明推动数据治理工作前进的实际人员，角色，技术和流程。
数据治理角色
您需要安排合适的人员来支持，赞助，管理，运营并最终为您的数据带来积极的回报。
首先，您需要一个执行指导委员会或数据治理委员会。该小组沟通，确定优先次序，提供资金，解决冲突，并就整个企业的数据治理制定决策。指导委员会由您组织的执行领导组成。有时，他们属于最高管理层。他们也可能是负责特定业务的副总裁或董事。
有效的数据治理计划除执行指导委员会的高级人员外，还应包括以下角色：
执行赞助商。这是C级主管，其职责涵盖功能，业务范围，应用程序和地理孤岛。尽早确定您的赞助商，因为此人分配资源，确定人员配备和资金，确定高优先级的业务问题并促进跨职能的协作。
数据管家。数据管理员是业务和IT主题专家（SME），他们可以翻译数据治理框架如何影响组织的业务流程，决策和交互。业务管理员必须精通IT。同样，IT管理员必须了解业务。能够充当业务与IT之间的沟通桥梁的经验丰富的业务分析师可以成为最佳的业务管理员，而数据和企业架构师以及高级业务系统分析师则可以成为强大的IT管理员。
数据治理负责人。此人负责协调数据管理员的任务，帮助将管理员做出的决策传达给相关的利益相关者，推动正在进行的数据审核和评估计划成功与投资回报率的指标，并且是升级到执行发起人和指导委员会的主要目的。
数据治理技术
在数据治理的上下文中，“技术”主要是指自动化。现有许多技术解决方案和平台可帮助您自动化数据治理的各个方面，而这些方面通常是手动完成的。但是，在选择支持数据治理工作的技术时，您必须考虑从创建到归档的关键企业数据的整个生命周期。
您还应该关注智能自动化。智能自动化具有四个关键特性：
自动化：利用人工智能（AI）和机器学习的功能来减少冗余并释放数据专业人员（尤其是数据管理员和您的数据操作团队）的时间，并使他们专注于更重要的事情。
规模：不断涌现新的数据类型和来源。需要评估，整理和保护海量不断增长的企业数据，以便任何人或任何系统都可以使用它们。为数据治理选择的技术需要不断地治理来自更多来源的更多数据，并处理更多用户请求而不会遇到麻烦，从而扩展到最大的云数据湖。
可扩展性：现代数据治理不仅仅涉及文档和合规性。它为整个组织提供了可衡量的价值。因此，智能自动化远远超出了数据治理项目管理的范围，可以为数据管理提供一个完全集成的平台，其中包括数据质量，数据隐私，数据分类和管理功能。
敏捷性：智能自动化解决方案使您可以快速上手，而无需进行大量且昂贵的自定义集成工作。可靠的智能数据治理解决方案所具有的灵活性也将使您的组织对新法规，新业务模型或新竞争做出快速反应。
数据治理政策
业务策略和标准对于任何数据治理计划都是至关重要的。您需要就适用于整个企业的策略达成共识，而不是局限于特定的业务部门或部门孤岛。典型的策略包括数据问责制和所有权；组织角色和责任；数据采集和验证标准；信息安全和数据隐私准则；数据访问和使用情况数据保留；数据屏蔽 和数据归档策略。由于每个组织的文化各不相同，因此在制定数据治理计划时不会考虑对与错的策略。但是，需要注意的一个方面是避免被繁文tape节视为霸道。如今，成功的数据治理应该将其策略和过程决策的重点更多地放在协作而不是控制上。共同确定最适合组织的条件，同时也了解强制执行并不一定会造成限制。通过这一枢纽，您将把您的数据治理计划从以策略为中心转变为以价值为中心。
