新興的數據需求和數據生成技術需要兩種類型的數據治理：安全性，以及整體企業級治理的需求，而不是逐個孤島的治理。
企業中出現了一個重要的新價值來源：與所謂的指數技術相關的數據，例如物聯網（IoT），增強現實（AR），人工智能（AI）和機器人技術。
這些技術生成并消耗大量數據，通過適當的治理，這些數據可以成為新的和破壞性的客戶參與模式，新產品和服務，新業務模型以及數字轉換的基礎。雖然每個領域都有自己獨特的機遇和挑戰，但有兩個領域的數據治理對所有這些領域至關重要：安全性，以及對整體企業級治理的需求，而不是對孤立的治理。筒倉基礎。
彌合信任差距
公司與客戶和利益相關者之間的關系始終建立在相互信任的基礎上，但最近很多公司都沒有跟上交易的結束。像GDPR和新加利福尼亞州消費者隱私法案這樣的法規是信任鴻溝的癥狀，這些信任是由無休止的數據泄露和超出客戶意圖或授權的數據使用造成的。?
要恢復信任，僅?基于法規遵從性的數據治理是不夠的。公司必須成為真正的數據保管人，數據治理必須由客戶和利益相關者的需求驅動。鑒于當今企業中復雜而分散的數據世界，這需要廣泛的端到端戰略。
整體觀點
每個接觸數據的人都熟悉數據碎片的強烈傾向。例如，理想采購的數據可能無法滿足工廠車間的需求，更不用說倉儲系統或零售店的需求，即使這些業務功能之間存在很大的相互依賴性。
指數技術也不例外，這種數據孤島的趨勢。這些技術的早期迭代可能更多地被視為試驗或實驗，因此從業務的其他部分集成和共享數據和元數據的優先級可能是最小的。但在架構層面，為這些技術提供支持的所有必要數據的集成和治理必須是核心設計原則，而不是事后的想法。否則，從實驗走向現實的過程將大大延遲。
物聯網
在物聯網方面，數據治理挑戰涉及所有“3 V - 容量，速度和變化。公司仍然在學習如何處理大數據，而物聯網將大量數據量大大減少。此外，物聯網產生流數據，這與傳統的交易數據非常不同。如果公司要實時利用這些數據，他們將需要學習如何動態解析和處理流媒體事件，通常無法控制數據的來源或如何收集數據。能夠實現這一目標的公司將能夠為其客戶提供引人注目的功能。例如，制造商監控的聯網汽車可以在發生任何損壞之前通知駕駛員低油或傳感器問題。
攝取，過濾和聚合所有這些數據需要仔細規劃，而像傳感器讀數頻率這樣的“小”細節可以在成功中發揮重要作用。存儲是另一個問題。目前批量捕獲的方法在長期基礎上是不可行的，因為任何公司存儲的數據都太多了。最后，必須找到將這些數據與其他企業數據（包括駐留在遺留系統中的數據）集成的方法，以便從這些數據可以闡明的新見解中真正生成價值。
增強現實
增強現實依賴于兩種類型的數據：位置數據（位置，方向）以及增加用戶所看到的內容所需的文本和視覺相應資產。該領域的良好治理意味著立即使所需資產可用，這可能會影響存儲選項。某些資產（例如與零售相關的資產）也需要定期更新，但AR可以提供的體驗值得付出努力。例如，進入百貨商店的顧客可以根據他們的購買歷史被引導到特定的展示，一旦他們到達，他們就可以在裝有AR的“魔鏡”中看到自己穿著最新的時尚而不必親自穿上衣服。
（部分內容來源網絡，如有侵權請聯系刪除）
