?

什么是數據治理？

我相信我們都同意它至少關注找到共同的定義，最多只關注企業治理。然而，快速搜索表明，數據治理的各種定義并存。一個極其寶貴的知識體系，如數據管理知識體系（DMBOK）和各種成熟度模型，使數據管理專業人員能夠在復雜的組織中戰略性地和操作性地塑造數據治理。然而，如果我們希望所有員工都意識到并最終參與數據治理，那么我們需要將這些專業知識轉化為更簡單的方法。我并不是說我會在這篇文章中提供所有答案，但我至少會嘗試發布一場關于數據民主化的新辯論。

對數據治理的五種誤解

我們看看我經常看到的五種對數據治理的誤解，以及它們為什么會出現問題。

1.?數據治理是公共定義的已發布存儲庫。這是數據治理的不完整定義。當然，通用術語表是許多數據治理計劃的基礎組成部分。但是，如果有一個有意義且透明的流程和響應所有權來維護它，那么存儲庫只是值得信賴的。信任是實現民主數據治理的重要價值。

2.?數據治理是IT的一個關注點，因此也是由IT管理的。該定義排除了數據治理的業務方面。實際上，IT在權威來源的基礎識別和對其血統的驗證中起著至關重要的作用。然而，作為消費者的業務在您管理的數據資產的業務環境認證中具有不可避免的作用。

3.?數據治理只是數據質量（DQ）和主數據管理（MDM）。確實，數據質量和MDM是必須受到管理的數據管理活動。然而，DQ和MDM是關于根據可量化維度（如準確性和完整性）找到數據的數學真理。數據治理超越了DQ和MDM，建立了對只有人才有資格的數據的信任。同樣，信任作為民主數據治理的基本價值而出現。

4.?數據治理由業務功能分類。您的組織可能非常分散，地理位置分散。然而，這并不意味著您無法在自治子組織之間建立協調的數據治理方法。許多分散和地理分布的組織，如大學和全球銀行，已經成功實施了一個共享平臺。此外，組織可以通過在全球數據治理的基礎上對業務有更廣泛的視角來獲得競爭優勢。

5.?數據治理不為數據消費社區提供任何價值或參與。這個定義顯然是錯誤的。自助式BI工具使越來越多的消費者能夠為自己的應用程序生成數據和報告。數據治理策略有助于定義如何使用機密數據以及如何確保數據安全性和質量。如果信任是數據整體治理的一個基本價值，那么它應該建立在所有數據公民的透明度和平等參與的基礎上，這些公民必然包括數據的消費者。總而言之，他們是您的哨兵，他們能夠以更精細的方式識別數據問題，這是傳統監控所無法做到的。

數據治理是關于人的

我們已經研究了哪些數據治理不是，但那么數據治理又是什么呢？數據治理是關于人的。它是關于減少陡峭的學習曲線，以便您可以回答正確的數據問題，并適當地參與澄清答案的過程。數據治理使所有數據公民能夠對其不斷擴展的數據領域擁有整體視角。

同樣，我的科學家看到了兩種互補的方法，我相信這些方法可以幫助您起草數據問題：“理解和解釋”以及“監控和預測”。

第一種方法將根據以下方面為您的數據領域提供組織理解和解釋：

·?范圍：定義哪些數據相關，哪些數據不相關。范圍限制了您的方法，因此在創建買入時迭代擴大范圍非常重要。例如，關鍵數據元素識別是金融組織中常見的范圍界定機制。

·?共性和差異：確定資產的定義，例如策略，規則，業務術語，報告，數據元素和系統。最初，無論范圍如何，人們都會為常用資產提供不同的定義。重要的是從流程開始匯總和批準這些資產的定義，或者如果它們在概念上不同，則闡明它們之間的關系：例如，'customer'可以是業務術語的名稱以及數據庫表。

·?業務可跟蹤性：部署流程以建立每個關鍵資產與業務流程，整體數據質量和相關關鍵數據元素的關系的可跟蹤性。

·?數據沿襲：識別權威數據集，倉庫和湖泊，以闡明它們之間的轉換。

第二種方法是開始監控和預測流程的未來影響，圍繞各種應用找到上述解釋。

人民平臺

為了實現這些目標，數據社區需要一個由三層組成的協作平臺：

1.?一個充當操作系統的平臺。它定義了范圍（內容），涉及的人員以及他們如何參與資產類型，角色和工作流程。根據所需的應用程序，該平臺可被視為一個復雜的事件處理器，觸發工作流的雷達網絡，促使正確和及時的管家行動和系統操作。

2.?位于平臺頂部的管家應用程序。這些應用程序具有指定的用戶體驗，可以最有效地監視和預測上述應用程序。

3.?對齊的元數據。所有這些應用程序都應該生成對齊的元數據，通過平臺的API將數據質量分析到儀表板等各種數據管理應用程序。

加入現在的數據革命！