作者：Vijay Kanade

編譯：Eden（一燈老師）

這是CDO之家的第 31 篇原創

數據治理是管理公司數據的可用性、可用性、完整性和安全性的過程。

數據治理被定義為幫助組織管理其內部和外部數據流的數據管理流程和程序的集合。它使人員、流程和技術保持一致，以幫助他們理解數據，從而將其轉化為企業資產。本文介紹了數據治理的定義、它在后 COVID19 世界中的重要性以及 2022 年的最佳數據治理實踐。

01 什么是數據治理？

數據治理是幫助組織管理其內部和外部數據流的數據管理流程和程序的集合。它使人員、流程和技術保持一致，以幫助他們理解數據，從而將其轉化為企業資產。

數據治理是基于內部數據標準、策略和規則管理企業數據的可用性、可用性、完整性和安全性的過程。有效的數據治理可確保數據是一致的、可理解的、正確的、完整的、可信賴的、安全的和可發現的。

數據治理涵蓋各種主題，例如數據架構、數據建模、數據存儲和操作、數據安全、數據解釋和互操作性、文檔和內容、參考和主數據、數據倉庫和商業智能、元數據和數據質量。

數據治理建立了標準化、集成、保護和存儲公司數據的流程。數據治理的主要目標包括：

• 將數據安全風險降至最低
• 建立數據使用的內部規則
• 實施合規要求
• 改善內部和外部溝通
• 增加數據的價值
• 通過風險管理和優化為公司的持續存在奠定堅實的基礎

02 數據治理的關鍵要素構成

數據治理流程的關鍵組成部分

數據治理是所有數據管理程序的基礎。它提供了一個框架、工作流程和決策權，以正確管理組織的數據。數據治理有十個關鍵組件，可以滿足企業在每個知識領域的數據管理要求。讓我們詳細看看這些組件中的每一個。 

1、人

數據治理專業人員、數據管理員以及其他關鍵業務和 IT 人員是數據治理計劃的骨干。他們建立和開發工作流程以確保滿足企業數據治理要求。

2、數據戰略

數據治理團隊在組織企業數據戰略的開發和實施路線圖中發揮著至關重要的作用。數據戰略是一個執行文檔，它提供了對數據的高級企業要求并確保滿足這些要求。制定企業數據戰略是組織數據管理過程中的重要一步。

3、數據治理流程

數據治理計劃需要為數據管理建立關鍵數據流程。其中包括數據問題跟蹤或解決、數據質量監控、數據共享、數據沿襲跟蹤、影響分析、數據質量測試等。

4、數據治理策略

數據策略是一組高級別的聲明，這些聲明陳述了數據的期望和預期結果，這些數據影響和指導企業級別的數據習慣。數據治理計劃為數據管理建立數據治理策略。政策包括出站數據共享、法規遵從等。

5、數據標準&數據規則

數據標準提供了確保遵守數據策略的框架和方法。數據標準的一個例子可以是使用ISO 3166標準來定義國家、附屬領土、特殊地理區域及其主要細分的名稱的代碼。

數據規則指導或約束行為以確保遵守數據標準，從而提供對數據策略的遵守。數據規則的一個示例是僅允許 ISO 3166 標準中列出的國家/地區代碼的組織。通常，組織將尋求為主數據和參考數據、數據定義和域開發、元數據管理、分類、可訪問性等建立數據規則。

數據治理計劃可以利用許多數據標準。一些比較著名的數據標準包括：

• 國際標準化組織 (ISO)：3166、19115、11179

• Dublin Core：一種基本的、與領域無關的、使用最廣泛的元數據標準，易于理解和實施。

6、數據安全

數據安全涉及保護數字數據（例如數據庫中的數據）免受破壞性力量以及授權和未授權用戶的有害行為。這些不受歡迎的用戶活動是指間諜活動、網絡攻擊或數據泄露。

7、數據治理溝通

數據治理溝通包括與需要了解數據治理團隊活動的協會受眾的所有書面、口頭和電子交互。  溝通計劃包含所有溝通的目標、目的和工具，從一開始就應該成為治理計劃的一部分。該計劃確定了如何向各個利益相關者和組織的其他成員展示治理和管理方面的挑戰和成功。溝通計劃突出了正確的商業案例并展示了他們的結果。

8. 數據治理社會化

數據治理的社會化是任何治理計劃中的一項重要活動。數據治理社會化計劃是幫助將數據治理活動整合到組織的政策、內部文化、層次結構和流程中的計劃。該計劃對組織來說是獨一無二的，因為它是根據其文化和行為標準量身定制的。

9. 數據治理指標/KPI

建立業務指標和關鍵績效指標 (KPI) 以監控和衡量數據治理計劃的整體業務影響對于計劃的成功至關重要。指標和 KPI 必須是可衡量的，隨著時間的推移進行跟蹤，并且每年都以相同的方式持續衡量。

10. 數據治理技術

數據治理計劃需要使流程無縫和自動化的各種技術。較小的數據治理程序通常使用他們在企業中已有的技術堆棧。  同時，更大的數據治理購買特定于數據治理及其所需功能的軟件。它簡化了捕獲所需元數據、元數據管理、自動化數據管理工作流、決策樹、協作和許多其他數據治理功能的過程。

03 疫情后數據治理的重要性

今天，企業每天都在生成和存儲越來越多的數據。在疫情之后，隨著大部分員工繼續在家工作，員工經常遠程訪問和處理敏感數據。如果管理不當，這種“偏遠情景”可能會導致聲譽受損和潛在的經濟處罰。

根據 Mordor Intelligence 2021 年的一項研究，數據治理市場預計在 2021 年至 2026 年的預測期內復合年增長率將超過 21.44%。預計到 2026 年將達到 52.8 億美元。

哪里來的這么多數據？

根據最近的一份報告，2019 年物聯網設備的數量達到 266.6 億，而連接到互聯網的人數為 41 億。麥肯錫表示，每秒約有 127 臺新的物聯網設備連接到互聯網，按照這個速度，物聯網設備的總數估計將達到 306 億臺。 

將所有這些數據存儲在一個地方是極不可能的。新興的“邊緣計算技術”允許在收集點存儲數據。但是，這需要協議來確保數據來自受信任的來源并用于同意的目的。

因此，隨著 COVID 疫情期間和之后數字化的不斷發展，如果沒有適當的數據治理計劃，組織可能會遭受重創。糟糕的數據治理可能會對以下方面產生重大影響：

下一代數據治理的路線圖 公司可以采用以下策略進行有效的數據治理：

04 有效數據治理的主要挑戰 

今天，數據在推動業務增長方面的力量是眾所周知的。有效的數據治理使企業能夠從他們最寶貴的資產中獲得最大的利益。有了高質量的數據，企業就能獲得更好的商業決策的洞察力，并提高效率和生產力。 

此外，數據治理還可以保護企業免受不良和不一致的數據可能帶來的合規和監管問題。Gartner預測，到2022年，只有20%投資于信息治理的組織將成功擴大數字業務的治理規模。以下是組織在建立數據治理框架和政策時面臨的一些常見挑戰。

1、數據孤島

數據孤島是指由一個小組持有的數據集合，其他小組不容易或不能完全訪問。數據往往是由內部部門組織的。這種數據系統往往阻礙了數據和信息在整個數字生態系統中的自由流動。這使得在組織內部分享、組織和更新信息變得困難。在孤島式和無組織的數據下，建立數據治理可能是一個挑戰。

2、數據質量

數據治理涉及對進入公司的數據質量的監督，以及在整個組織內的使用。數據管理員需要能夠識別出數據的損壞、不準確、陳舊，或者在分析數據時脫離了背景。他們應該能夠輕松地設置規則和流程，以確保公司的數據可以被信任。信任數據的能力是數據驅動型組織的基石，這些組織根據許多不同來源的信息做出決策。因此，在運行數據治理項目時，糟糕的數據質量會成為一個嚴重的問題。

3、數據不透明 

數據治理要求公司實現數據透明。諸如組織所擁有的數據種類、數據駐留位置、誰有訪問權以及這些數據如何被使用等信息都應該被說明。然而，遺留系統隱藏了這些問題的答案。因此，組織應該實施一個數據管理流程，建立策略和方法來訪問、整合、存儲、轉移和準備分析數據。這可以幫助組織進行更好的決策。

4、不安全的數據

隨著企業內部和外部數據源的激增，數據泄露也在增加。與成功的數據管理一樣，數據安全取決于可追溯性。即：IT團隊應該能夠跟蹤

• 數據起源于何處
• 它的位置在哪里
• 誰可以訪問它
• 這些數據是如何被使用的
• 如何刪除它

5、對數據的控制

當企業需要遵守監管政策，如《通用數據保護條例》（GDPR）、《健康保險可攜性和責任法案》（HIPAA）、《支付卡行業數據安全標準》（PCI-DSS）和美國《薩班斯-奧克斯利法案》（SOX）時，他們往往會潛心研究數據治理。

所有這些法規都要求企業擁有數據治理結構，顯示數據從源頭到目的地的可追溯性，數據訪問日志，以及數據的使用方式和地點。有了既定的監管標準，公司可以保護敏感信息不落入壞人之手，并建立對數據的控制。然而，缺乏對數據的控制會對組織的數據治理計劃構成嚴重挑戰。

05 2022年數據治理7大最佳實踐

在尋找數據治理最佳實踐時，組織可以從已經通過各種流程和模板的其他人那里學習。每個組織都是不同的，需要根據其流程定制和調整數據治理實踐。

組織可以將敏捷開發的思維方式應用于數據治理，從最小可行的部署開始，然后從這一點上進行迭代和發展。這可以帶來長期的好處，并使組織的其他部分與你的旅程同步。

讓我們來看看2022年的7大數據治理最佳實踐。

數據治理最佳實踐 

1、大處著眼、小處著手

數據治理建立在三個支柱上：人、流程和技術。當一個企業從人員開始，建立流程，并最終將技術融入到流程中時，它就建立了大局。如果沒有合適的人，就很難建立起數據治理的技術實施所需的成功流程。因此，為你的解決方案確定或雇用合適的人可以成為一個組織的起點。然后，合適的人可以幫助建立你的流程，并尋找技術來完成這項工作。

2、開發一個商業案例

在建立數據治理實踐時，確保領導的買入和贊助是關鍵。但是，僅靠買入并不能完全支持這項工作，也不能保證成功。相反，通過識別數據質量帶來的機會來建立一個強大的商業案例可能是有幫助的。改進可以包括收入的增加，更好的客戶體驗，或效率。領導者可以相信，糟糕的數據質量和糟糕的數據管理是一個問題。但是，如果領導層不致力于推動變革，數據治理計劃就會落空。

3、用指標衡量目標

與任何目標一樣，如果你不能衡量它，你就不能達到它。當做出任何改變時，你應該首先測量基線，以證明之后的結果。盡早收集這些測量數據，然后持續跟蹤每一步的進展。你的衡量標準應該顯示隨著時間推移的整體變化，并作為檢查點，以確保實用和有效的流程。

4、確保有效的溝通

無論組織在數據治理計劃和流程中的地位如何，溝通都是至關重要的。始終如一的有效溝通對于展示該計劃的影響、慶祝勝利和承認一路走來的挫折至關重要。在你的組織內建立一個利益相關者的名單，并實現易于訪問和易于消化的溝通。這將確保正確的人知道他們需要知道的東西，同時避免意外和簡化整體進展。

5、記住，數據治理不是一個一次性的項目

創建一個數據治理項目可能看起來像處理一個 "新項目"。一個組織的某些部門可能會感到被誘惑去組建一個團隊來承擔這個項目，而組織的其他部門則在等待它的完成。這就是許多企業目睹他們的數據治理戰略放緩的地方。數據治理戰略并不是一個一次性的項目。它沒有固定的結束日期。相反，它是一個持續的實踐，作為一個常規政策被引入。在實施數據治理計劃時，要確保將其作為一項長期投資，而不是一次性項目。數據治理最終可能會成為你的組織中日常生活的一部分。

6、確定角色和責任

數據治理需要團隊合作，所有部門都要交付成果。明確的角色對于每個數據治理項目來說都是至關重要的，而且在整個組織中分配所有權的級別也很重要。確定誰擁有權力和責任將有助于數據治理計劃的社會化，并建立一個智能結構，作為一個團隊來處理數據計劃。數據治理的角色可能包括數據治理委員會、數據經理、數據所有者、數據監管者和數據用戶，僅舉幾例。

7、注重運營模式

運營模式是一個資產模型，它概述了一個組織如何定義角色、責任、業務術語、數據領域等。這反過來又影響了工作流程和流程的運作方式。它影響到一個組織如何圍繞其數據運作。運營模式是任何數據治理計劃的基礎。這里的想法是要建立一個企業治理結構。根據組織的情況，這個結構可以是集中式的（一個中央機構管理一切），分散式的，或聯合式的（多個權力集團）。

06 關鍵點總結

每個行業的高管和高級領導人都知道數據的重要性。它可以帶來數字化轉型，推動組織超越其競爭對手。如果沒有適當的數據治理，即使是一個簡單的業務，也很難運行。

但是，要想讓數據為這些舉措提供動力，它必須是現成的，高質量的，并且與業務相關。高效的數據治理確保數據具有這些屬性，使其能夠創造價值。隨著“新冠”對數字化的推動，數據治理將在任何組織在這個數字世界的成功中發揮關鍵的作用。在疫情之后，看看企業如何為更好的未來建立他們的數據治理框架將是很有趣的。 

本文來源：www.spiceworks.com

	 



	文章來源：CDO之家