數據治理繼續發展 - 并且很快。

從歷史上看，Data Governance 1.0是在IT中分散的，主要關注編目數據以支持搜索和發現。然而，由于它忽略了?數據資產的含義及其在更廣泛的數據環境中的關系，因此在增值方面做得不夠??。

然后推動數字化轉型和大數據創造了DG擺脫IT陰影的需求 -?數據治理2.0引入了為現代數據驅動業務設計的原則。這種方法承認了對協作數據治理的需求，拆除組織孤島以及將責任分散到更多角色。

但是在過去的一年里，我們都目睹了數據治理的覺醒 - 或者正如“?華爾街日報”所稱的那樣，“全球數據治理計算”。數據引人矚目，創造了巨大的創傷 - 從Facebook到Equifax，從雅虎到Aetna。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，許多組織都爭先恐后地遵守法規。

那我們今天在哪里？

簡而言之，數據治理需要成為公司文化中無處不在的一部分。您的利益相關者在協作關系中包含IT和業務用戶，從而使數據治理每個人的業務。

數據治理是數據隱私，安全性和合規性的基礎。此外，大多數組織不會使用他們所充斥的所有數據來深入了解如何增加收入，實現合規性或制定戰略決策。他們面臨數據困境：不知道他們擁有什么數據或者其中的某些數據 - 以及從眾多系統中集成各種格式的已知數據，而無法自動化該流程。

為了加速將關鍵業務信息轉換為準確且可操作的洞察力，組織需要一個自動化，實時，高質量的數據管道。然后，每個利益相關者 - 數據科學家，ETL開發人員，企業架構師，業務分析師，合規官，CDO和CEO - 都可以根據可靠的信息推動所需的結果。

將數據治理連接到您的組織

1.數據映射和數據治理

自動生成數據沿襲的物理實施例 - 用于協調和聚合的事務和運營數據的創建，移動和轉換 - 為使利益相關者理解其數據，將其信任為治理良好的資產并使用它提供了最佳途徑。有效。能夠為標準化的非技術環境快速記錄譜系，為構建和維護分析平臺的任務帶來業務一致性和靈活性。

2.數據建模和數據治理

數據建模發現并收集數據模式，并分析，表示和傳達數據需求。它為了清晰度和一致性而合成和標準化數據源，以備份治理要求以僅使用受控數據。它可以自動將集成和編目數據映射到模型和從模型中映射，從而可以將它們存儲在中央存儲庫中，以便在整個組織中重復使用。

3.業務流程建模和數據治理

業務流程建模揭示了使用特定數據元素的工作流，業務功能和應用程序。這要求這些資產是基于自動數據沿襲和業務術語表創建的集成數據管道的適當管理組件。

4.企業架構與數據治理

企業架構中的數據流和架構圖受益于自動評估和記錄當前數據架構的能力。自動提供和持續維護業務詞匯表本體和集成數據目錄是治理流程的關鍵部分。

EDGE革命

?通過將企業架構，??業務流程，??數據映射??和??數據建模結合在一起??，erwin的數據治理方法使組織能夠掌握如何處理數據并實現其最大價值。憑借最廣泛的元數據連接器和自動代碼生成，數據映射和編目工具，erwin EDGE平臺簡化了整個數據管理和數據治理生命周期。

這種單一的集成解決方案可以通過為自動化，高質量和實時的數據管道提供支持，從而收集??商業智能，進行IT審計，確保合規性并實現任何其他組織目標。

erwin??EDGE??創建了“?企業數據治理體驗”??，促進了IT和業務之間的協作，以發現，??理解和解鎖靜態和動態數據的價值。

通過erwin EDGE，數據管理和數據治理統一并相互支持業務利益相關者和IT部門：

• 發現數據：識別和集成來自各種數據管理孤島的元數據。
• 收獲數據：自動收集來自各種數據管理孤島的元數據，并將其整合到單一來源中。
• 結構數據：將物理元數據連接到特定的業務術語和定義以及可重用的設計標準。
• 分析數據：了解數據與業務的關系以及它具有的屬性。
• 地圖數據流：確定數據集成的位置并跟蹤其移動和轉換的方式。
• 治理數據：制定治理模型以管理標準和政策并制定最佳實踐。
• 社交數據：使利益相關者能夠在一個地方和他們的角色環境中查看數據。