數據治理（DG）是增長最快的學科之一，但在定義數據治理時，許多組織都在努力。

Dataversity稱DG是“有助于確保組織內數據資產正式管理的實踐和流程。”這些實踐和流程可能因組織的需求而異。因此，在為組織定義數據治理時，考慮推動其采用的因素非常重要。

該通用數據保護條例（GDPR）已經將數據治理的升級突出顯著貢獻。實際上，erwin的2018年數據治理狀況報告發現，60％的組織認為監管合規是他們數據治理的最大推動力。

其他重要的驅動因素包括提高客戶信任/滿意度和鼓勵更好的決策，但他們分別落后于監管合規性的49％和45％。聲譽管理（30％），分析（27％）和大數據（21％）也是因素。

但是，如果不了解如何在這些環境中應用DG，那么數據治理的采用幾乎沒有什么好處。這可以說是過去數據治理的問題之一。

由于沒有固定的定義，以及在IT中隔離數據治理的歷史實踐，組織通常對數據治理有什么不同的想法，甚至在部門之間。由于這種跨部門的脫節，不難想象為什么數據治理在歷史上有很多不足之處。

但是，由于在GDPR中授權DG，組織必須在組織范圍內定義數據治理以管理其成功實施，或者面臨GDPR的處罰。

定義數據治理：期望的結果

在定義組織范圍的DG計劃時，一個很好的起點是考慮所需的業務成果。這種方法確保所有相關方都有共同的目標。

過去的Data Governance 1.0示例主要涉及對數據進行編目以支持搜索和發現。這種方法的本質，再加上DG計劃通常在沒有來自更廣泛業務的投入的情況下孤立于IT部門的事實，這意味著這種做法經常難以增加價值。

如果沒有來自更廣泛業務的投入，數據編目過程就會缺乏背景。通過忽略包括組織的主要數據公民 - 那些管理和/或利用日常數據進行分析和洞察的公民 - 組織數據經常受到重復，不一致和質量差的困擾。

現代數據驅動業務的本質意味著這些數據公民遍布整個組織。此外，許多關鍵數據公民（認為數據使用的增值方法，如數據驅動營銷）并未積極參與IT部門。

正因為如此，Data Governance 1.0計劃在令人沮喪的頻率上失敗了。

當然，對于將法規遵從性確定為數據治理驅動因素的組織而言，這是有問題的。考慮到數據驅動型業務的本質 - 不斷捕獲，存儲和利用新數據 - 滿足合規性標準不能被視為一次性解決方案，因此數據治理不能被排除優先級，并且會被淘汰出局。

即使那些設法無限期地維持輸入數據治理需求水平的企業，也會發現Data Governance 1.0方法需要。在監管合規性方面，缺乏與數據治理1.0相關的背景，以及它導致的不準確性意味著潛在的嚴重數據治理問題可能毫無根據，并導致對違規行為的影響。

我們建議組織在實施DG時，不僅要將數據編目和合規性視為預期結果。在數據驅動的業務環境中，數據治理發現其作為增值計劃的真正潛力。

將數據治理所需的業務成果確定為增值計劃的組織也應該考慮數據治理1.0的缺點，任何未將增值視為業務成果的組織都應該問自己“為什么？”

許多21的最大市場干擾的ST世紀已經數字精明的創業公司具有強大的數據策略-想制作的Airbnb，亞馬遜和Netflix。如果沒有高數據治理標準，這些公司就無法對其數據充滿信任，無法自信地采取這種數字優先策略，使其難以管理。

因此，在數據驅動的業務時代，組織應該考慮數據治理2.0戰略，DG將成為一個整個組織的戰略計劃，從IT范圍中解除實踐。

這種對數據治理的協同作用本質上涉及數據在治理過程中的最大受益者和用戶，這意味著數據編目等功能受益于更大的背景，準確性和一致性。

這也意味著組織可以更好地信任他們的數據，并更有把握地滿足遵守法規的標準。這意味著組織可以通過更準確的分析和分析方法更好地響應客戶需求，從而提高滿意度。這意味著組織不太可能遭受數據泄露及其相關損害。

定義數據治理：企業數據治理體驗（EDGE）

EDGE是數據治理2.0的erwin方法，使組織能夠：

• 隨時隨地管理任何數據（任意2）
• 灌輸協作和組織賦權的文化
• 引入一個集成的數據管理生態系統，從一個中央存儲庫中提取并確保整個組織的數據（包括實時更改）保持一致
• 通過打破業務和IT之間的孤島并引入通用數據詞匯，提高跨域的可見性
• 從GDPR到網絡安全，通過減輕廣泛的風險，讓監管更加安心。?