現在，數據管理和數據治理比以往任何時候都更加重要。數據驅動業務的超競爭特性意味著組織需要比以往更多地從數據中獲得更多 - 而且速度更快。

一些數據驅動的樣本引領了這一趨勢，將數據轉化為可操作的見解，影響從公司結構到新產品和定價的所有內容。“很少”是一個有效的詞。

的確，數據驅動型業務是一項重大業務。實際上很大。但它由少數幾個早期意識到強大而具有破壞性的力量數據的組織所主導。

這種數據驅動策略的好處不言而喻：Netflix取代了Blockbuster，優步繼續改變出租車業務。不分青紅皂白的行業組織紛紛效仿，爭取成為下一個具有破壞性的大型企業。

但在許多情況下，這些嘗試已經失敗或即將到來。

現在，隨著通用數據保護法規（GDPR）的實施，無法計算的數據是一種潛在的數據災難等待發生。

因此，組織需要了解從數據中獲取更多信息并不一定要收集更多數據。它是關于解鎖他們已有的數據的價值。

企業數據困境

但是，大多數組織并不確切知道他們擁有哪些數據，甚至不知道其中的哪些數據。他們可以解釋的一些數據會因為無法處理它而浪費。對于非結構化數據類型尤其如此，組織正在更頻繁地收集這些數據類型。

考慮到73％的公司數據未被使用，可以安全地假設您的組織正在處理一些（如果不是全部）這些問題。

總體而言，這意味著您的企業錯失了數千甚至數百萬的收入。

較小的圖片？您正在努力建立單一的數據真實來源，這會導致許多問題：

• 不準確的分析和部門報告中的差異
• 無法管理組織收集的數據量和種類
• 流程中的重復和冗余
• 確定數據所有權，沿襲和訪問的問題
• 實現并維持合規性

為了避免這種情況并從數據中獲得更多價值，組織需要協調他們的數據管理和數據治理方法，使用既定工具的平臺同時協同工作，同時實現整個企業的協作。

數據管理推動了系統的設計，部署和運營，這些系統可提供運營數據資產以用于分析目的。

數據治理在業務環境中提供這些數據資產，跟蹤其物理存在和沿襲，并最大限度地提高其安全性，質量和價值。

雖然這兩個學科從不同的角度（IT驅動和面向業務）處理數據，但它們相互依賴。這種共同依賴有助于組織充分利用其數據。

PMG中心

數據管理和數據治理共同構成了數據準備，建模和數據治理的關鍵中心。怎么樣？

它首先是實時，準確的數據格局圖，包括數據庫，數據倉庫和數據湖中的?“靜態數據”以及與關鍵應用程序集成和使用的“運動中的數據”。還必須控制這種情況，以促進協作并限制風險。

但是，知道您擁有哪些數據以及它們所處的位置是復雜的，因此您需要創建并維持企業范圍內的視圖并輕松訪問底層元數據。這是一個很高的訂單，其中包含大量數據類型和數據源，這些數據類型和數據源從未被設計為可以協同工作，而且數據基礎架構隨著時間的推移與不同的技術拼湊在一起，文檔很差，并且很少考慮下游集成。因此，依賴于可靠數據基礎架構的應用程序和計劃可能會受到影響，并且基于錯誤洞察力進行數據分析。

但是，這些問題可以通過強大的數據管理策略和技術來解決，以實現業務所需的數據質量，包括數據編目（來自各種來源的數據集的集成），映射，版本控制，業務規則和術語表維護和元數據管理（協會和血統）。

能夠確定存在哪些數據以及在哪里必須伴隨商定的商業理解，了解在整個企業中采用的通用術語。擁有這種一致性是確保分析生成的見解有用且可操作的唯一方法，無論業務部門或用戶是否在探索問題。此外，定義和控制角色和工作流對數據訪問的策略，流程和工具對于安全性目的至關重要。

這些問題可以通過全面的數據治理策略和技術來解決，以確定主數據集，發現整個企業中潛在詞匯表更改的影響，審計和評分遵守規則，發現風險，以及適當且經濟高效地將安全性應用于數據流，以及以對他們有意義的方式向人/角色發布數據。

數據管理和數據治理：共同發揮，共同發展

當數據管理和數據治理通過正確的技術協同工作時，它們會相互通知，指導和優化。采用這種協調方法的組織的結果是自動化，實時，高質量的數據管道。

然后，所有利益相關者 - 數據科學家，數據管理員，ETL開發人員，企業架構師，業務分析師，合規官，CDO和CEO - 都可以訪問他們被授權使用的數據，并根據現在可靠信息的完整清單制定戰略決策。

erwin EDGE通過集成數據映射，業務流程建模，企業架構建模，數據建模和數據治理創建“企業數據治理體驗”?。市場上沒有任何其他軟件平臺可以觸及數據管理和數據治理生命周期的各個方面，以自動化并加快速度，從而實現可操作的業務洞察。