? ? ??

去年見證了數據治理的覺醒 - 或者正如“??華爾街日報”??所稱的那樣，“全球數據治理計算”。數據引發了巨大的數據并造成創傷 - 從Facebook到Equifax，從雅虎到萬豪。這個清單一直在繼續。然后，??歐盟的通用數據保護條例（GDPR）生效，許多組織爭先恐后地遵守法規。

1. GDPR對美國的監管：

? ? ?? GDPR已經確定了標準，并將成為跨地域事實上的標準。以加利福尼亞消費者隱私法案（CCPA）于2020年生效為例，以加利福尼亞州為例。即使像蘋果，谷歌，亞馬遜和Twitter這樣的大型科技公司也在鼓勵更多的法規，部分原因是因為他們意識到那些不提供數據隱私的公司在最前沿將感受到政府和消費者的憤怒。

2.?GDPR罰款即將來臨，它們將是巨大的：

? ? ?? 也許2019年最安全的數據治理預測之一就是即將對GDPR執法施加壓力。這些規定并未用于展示，因此GDPR的免費連勝可能會很快結束......?這些頭條新聞將類似于美國醫療保健行業違反健康信息可移植性隱私法（HIPAA）的數據泄露事件或醫院。很多公司都會有一個“糟糕的”時刻，并意識到他們還有很多工作要做，以使他們的合規房屋井井有條。

3.數據政策作為消費者購買標準：

? ? ? “數據創傷”的威脅將繼續推動高管中企業數據的可見性。他們如何回應將是他們在將數據轉化為真正的企業資產方面取得長期成功的關鍵。我們將開始看到保持反應性和防御性立場（避免疼痛）的組織與利用這種負面驅動因素的組織之間的明確劃分，以提高整個企業的整體數據可見性和流暢性，同時關注機會啟用。后者將推動真正的數據驅動實體的出現，而不是那些繼續試圖堵塞船上漏洞的實體。

4. CDO將在組織內部發揮更好的作用：

? ? ? ? 我們將看到首席數據官（CDO）的角色從CIO的中尉升級到在CIO，CMO和首席財務官旁邊的桌子上占據一席之地。這將為他們提供創建可持續愿景和數據路線圖所需的果汁。到目前為止，對CDO合格的角色和責任，職責和背景的性質缺乏共識。隨著數據對于組織從合規性和業務角度的成功變得越來越重要，CDO的角色將變得更加明確。

5.數據操作（DataOps）獲得牽引力/將完全優化：

? ? ?? 就像DevOps在過去十年中的表現一樣，2019年將會看到類似DataOps的推動。數據不再僅僅是IT問題。隨著組織變得數據驅動并充斥著來自多個數據源（AI，IOT，ML等）的大量數據，組織需要更好地處理數據質量并專注于數據管理流程和實踐。DataOps將使組織能夠更好地使其數據民主化，并確保所有業務利益相關者共同努力，以提供高質量的數據驅動洞察。

6.業務流程將從后臺遷移到中心階段：

? ? ?? 業務流程管理將走出后臺，成為數字化轉型的關鍵組成部分。組織建模，構建和測試自動化業務流程的能力是游戲改變者。企業可以清晰地定義，映射和分析工作流程并構建模型以推動流程改進，并識別易受最大安全性，合規性或其他風險影響的業務實踐，以及最需要控制以減少風險的方法。

7.改善壞的AI / ML數據：

? ? ?? 人工智能（AI）和機器學習（ML）是數據的消費者。使用錯誤數據訓練AI和ML應用程序的風險最初將推動數據治理的需要，以正確管理訓練數據集。一旦經過培訓，他們生成的數據應該是明確的，一致的和高質量的。為了保證目的，需要不斷地管理數據。

8.管理來自邊緣的數據：

? ? ?? 邊緣計算將繼續占據上風。雖然數據速度正在推動其采用，但組織還需要查看，管理和保護這些數據并將其帶入自動化管道。物聯網（IoT）是關于通常具有不透明數據結構的新數據源（設備數據）。這些數據通常與其他企業數據源集成和聚合，需要像任何其他數據一樣進行管理。挑戰在于記錄所有不同的設備管理信息庫（MIBS）并將它們映射到數據湖或集成中心。

9.沒有良好數據收集的組織注定要失?。?/span>

? ? ?? 研究表明，數據科學家和分析師將80％的時間用于準備使用數據，只有20％的時間用于實際分析商業價值。如果沒有自動數據收集和從所有?企業源（不僅僅是那些方便訪問的數據源）中提取數據，那么通過管道傳輸的數據將不是最高質量和最“新鮮”的數據。結果將是錯誤的情報，為企業帶來潛在的災難性決策。

10.數據治理演變為數據情報：

? ? ?? 像GDPR這樣的法規正在推動大多數大型企業應對數據挑戰。但數據治理不僅僅是合規性?！巴愖罴选逼髽I正在研究如何將其數據用作競爭優勢。這些組織正在將其數據治理實踐發展為數據智能 - 將數據管理和數據治理生命周期的所有部分連接起來，以創建可操作的洞察力。數據智能可以幫助改善客戶體驗并實現產品和服務的創新。