組織當前正在努力解決的數據分析的核心要素之一是數據治理。如果組織沒有花時間構建和實施治理策略，那么組織可以做正確的事情并且仍然想知道為什么他們的分析項目會失敗。以下是來自專家的一些（希望）有用的提示，用于構建持續的數據治理框架。

獲得正確的數據治理有很多方面，包括擁有合適的人員。大型企業越來越多地聘請首席數據官（CDO）來監督數據治理，特別是在涉及歐盟通用數據保護法規（GDPR）等法規時。雖然較小的公司CDO標題較少，但仍然有人與CDO負有相同的責任 - 并且在列表的頂部確保數據受到管理。

除了人員之外，考慮對成功至關重要的核心數據治理流程也很重要。構建成功的數據治理實踐的第一步是了解對組織至關重要的業務驅動因素和業務成果。

“很多時候我們都會注意到客戶會直接進入數據戰略或數據治理，”他說。“花時間了解您希望推動哪些業務成果，以及您的組織在本地和全球的文化是什么非常重要。”

在數據分析項目中生成，使用和管理的大部分信息都與這些業務成果測量直接相關。“所以認識到你的業務成果是什么，然后圍繞它來組織你的數據戰略，是第一步，”他說。

從小開始
組織經常犯的一個大錯誤就是嘗試實施一個企業范圍的治理項目，該項目立即觸及其業務的各個方面。是的，企業范圍內的治理策略可能是最終目標，但是大爆炸，海洋型項目很少能在任何IT學科中取得成功。

從數據治理之旅的小步驟開始（MJgraphics / Shutterstock）
為了避免這種錯誤，Vel建議組織通過為單一業務或域實施治理策略來緩慢開始。一旦他們在該領域成功實施數據治理戰略，他們就可以從那里擴展。

“我們經常看到顧客咬的比他們所能咀嚼的更多，所以我們的建議是選擇范圍更大的東西。” “這可能是您的賬單和財務，也可能是您的銷售職能。從那里開始，然后擴展并擴大范圍，以便達到最終狀態，即企業數據治理。“

一旦選擇了域并描述了結果，治理過程的下一步就是開始建立組織將依賴的主數據標準來定義他們的數據。
“客戶觀察到的最常見的挑戰之一是定義客戶的樣子，定義供應商的樣子，”。“這很簡單，比如你如何定義客戶，你如何定義行業分類，你如何定義公司規模，因為銷售渠道分配往往是由規模和行業標準驅動的。”

組織可以在實施治理計劃時創建自己的數據模型，結構和流程，也可以使用由第三方提供商（包括D＆B）建立的標準。“我們強烈建議客戶使用參考標準來建立治理，”。

，越來越多的大型企業正在使用語義和圖形技術來建立和管理他們的數據定義和模型。“使用語義模型或基于圖形的語義模型可以圍繞客戶，供應商或合作伙伴定義的定義水平比使用傳統定義（例如列出名稱，地址等）所做的更加強大。 “ 他說。“最大的區別在于你如何捕捉關系，這對你如何圍繞該客戶或合作伙伴采取行動采取行動至關重要。”

目錄：治理代理
組織廣泛采用的一種工具來理解其大數據集是目錄。數據目錄現在很熱門，因為它們提供了大量數據集的訂單和易于訪問，供應商通過推出新的數據目錄（幾乎每個月）來做出響應。

目錄目錄越來越多地用于跟蹤大數據（cybrain / Shutterstock）
“現在看來，每個人和他們的狗都有一個目錄，”數據目錄供應商Collibra的CTO和聯合創始人Stan Christiaens說。
數據目錄銷售與治理需求之間存在緊密聯系，盡管企業軟件購買者可能會質疑他們購買目錄作為其數據治理策略的一部分（如果他們甚至有一個）。

“當人們在尋找目錄時，在很多情況下他們實際上都在尋找治理類型的功能，”Christiaens說。“他們只是因為他們的生活無法確信實際上是這樣稱呼的，因為”治理“這個詞在組織中具有負面的，類似警察的內涵。”

Christiaens說，當企業買家進行數據目錄購物時，他們希望獲得業務術語表，數據字典和數據沿襲管理等功能。“所以很多時候，當人們尋找目錄時，他們不可避免地會尋找治理類型的功能，”他說，“但他們并不想稱之為。”

目錄很受歡迎，因為它們與創建，管理，訪問，分析和（是）管理數據所涉及的不同業務角色一起工作。Christiaens說像Collibra這樣的目錄是成功的，因為它們可以滿足各種不同的需求。

“參與數據的人物角色非常多樣，”他告訴Datanami。“數據架構師將討論企業數據模型和邏輯模型，而業務人員會說'我關心的只是KPI和報告和指標'。”

目錄也是控制數據訪問的關鍵工具，這是治理的另一個不容忽視的方面。“所以你必須一方面迎合不同的角色，另一方面你必須建立這種信任，”克里斯蒂安斯說。“他們需要實施治理控制，但最初只需要很少。但他們確實需要建立。否則，這不是一項可持續的舉措。“

聯邦治理
當今組織面臨的最大治理挑戰之一是集中控制和分散行動之間存在的推動和拉動。組織需要對其數據進行集中控制的某些元素，這些元素以大多數分散的方式存在。

聯合是在分散的數據世界中保持集中控制的關鍵
數據目錄在某種程度上可以通過提供組織數據的邏輯視圖來幫助，無論它是否存在于關系數據庫，Hadoop數據湖，NoSQL數據庫和云中的S3存儲桶中。但是，越來越多的公司需要實施“目錄目錄”以保持其不斷增長的數據集，特別是在云數據存儲方面。

根據D＆B的Vel，當多個數據集被集成并加入分析用例時，未能遵守集中式數據模型可能會導致糟糕的結果。例如，如果組織計劃將意圖數據引入營銷活動，則如果客戶沒有確定標識客戶的數據，則存在無法正確識別客戶的風險。

“必須有一個機制和治理框架，圍繞將意圖數據或最有可能購買的人數集成到他們的客戶或帳戶信息中，”。“如果你在沒有正確的治理模式的情況下做到這一點，那么將錯誤的傾向模型或意圖數據附加到錯誤帳戶的風險非常高。”

D＆B提倡組織擁有全局數據模型，然后為每個業務線或域構建多個本地化數據模型。“很多時候，客戶會使用我們的主數據來做這種依戀，這種聯系，”“你不能僅僅圍繞集中式和全球治理模式來治理框架。根據用例，您可能需要建立該業務功能或該應用程序所必需的本地化模型和框架。“

在許多組織中，治理是一個骯臟的詞。正如Collibra的Christiaen指出的那樣，許多人將治理與監管合規聯系起來，并將其視為有限資源的凈流失，而不是增加解決方案。

然而，隨著組織繼續努力解決他們的分析過程，他們開始意識到他們需要退后一步，從頭開始重新思考他們的數據策略。當他們這樣做，并從一開始就通過良好的治理計劃實施他們的數據戰略，他們的成功機會就會大大增加。