數據治理構成了公司范圍數據管理的基礎，可以有效地使用可信賴的數據。有效的數據管理是一項需要集中控制機制的重要任務。
為了幫助最終用戶更好地理解這個復雜的主題，本文討論了以下幾點：
什么是數據治理？
為什么數據治理很重要
公司對這個問題有多重視？
挑戰
最佳做法
什么是數據治理？
數據治理包括管理和保護公司數據資產所需的人員，流程和技術，以保證通常可理解，正確，完整，可信，安全和可發現的公司數據。
數據治理涵蓋的主題包括：
數據治理的核心是建立方法，以及具有明確職責和流程的組織，以標準化，集成，保護和存儲公司數據。主要目標是：
最大限度地降低風險
建立數據使用的內部規則
實施合規性要求
改善內部和外部溝通
增加數據的價值
促進上述管理
減少開支
通過風險管理和優化幫助確保公司的持續存在
數據治理計劃始終影響企業的戰略，戰術和運營水平（見下圖）。為了在公司環境中有效地組織和使用數據并與其他數據項目協調，必須將數據治理程序視為一個持續的迭代過程。
除責任外，還必須澄清任何數據治理計劃的以下方面（見下圖）。
為何數據治理至關重要
大多數公司已經為個人應用程序或業務部門提供了某種形式的數據治理，盡管它不一定全面制度化。因此，系統地引入數據治理通常是從非正式規則到正式控制的演變。
正式數據治理通常在公司達到無法再有效實施跨職能任務的規模時實施。
數據治理是眾多任務或項目的先決條件，并具有許多明顯的好處：
整個組織的一致，統一的數據和流程是更好和更全面的決策支持的先決條件;
通過明確的流程和數據更改規則，在技術，業務和組織層面提高IT環境的可擴展性;
中央控制機制提供了優化數據管理成本的潛力（在爆炸數據集時代越來越重要）;
通過使用協同作用提高效率（例如通過重用流程和數據）;
通過質量保證和認證數據以及數據流程的完整文檔提高數據信心;
實現合規指南，例如Basel III和Solvency II;
通過監控和審查隱私政策來保護內部和外部數據;
通過減少長期協調流程（例如通過明確的需求管理）提高流程效率;
通過標準化進行清晰透明的溝通。這是企業范圍以數據為中心的舉措的先決條件;
此外，每個數據治理計劃的特定性質都會產生特定的好處。
數據治理比以往任何時候都更為公司保持響應能力至關重要。開辟新的創新業務領域也很重要，例如通過大數據分析，這些分析不允許持續存在落后思維和大修結構。
目前，引導公司重新考慮其當前方法的最重要的驅動因素是：
建立以數據為中心的視圖以支持數字業務模型
企業范圍的數據質量和主數據管理
大數據環境中數據的可管理性
制定標準以提高對外部影響的反應能力（例如并購）
自助BI（SSBI）：用戶希望獨立于IT進行分析
合規性：透明且易于理解的數據流程，以符合法律要求
除了這些驅動因素之外，還有許多其他開發和要求使數據治理越來越相關。
示例包括運營商業智能，高級分析，社交媒體，360度客戶視圖，云中的BI或服務，信息策略以及數據內部和外部使用（SCM，CRM）的數據保護指南。
數據治理挑戰
數據治理的相關性是顯而易見的。盡管如此，盡管有許多優勢，許多公司仍然害怕實施數據治理計劃 - 要么是因為假定的復雜性，要么是由于普遍的不確定性。
實施數據治理計劃絕不是一項微不足道的任務。以下是實施階段的一些最大障礙：
組織
數據治理需要一種開放的企業文化，例如，可以實施組織變革，即使這僅僅意味著命名角色和分配職責。因此，數據治理成為一個政治問題，因為這最終意味著分配，授予和撤回責任和能力。這里需要一種敏感的方法。
接受和溝通
數據治理需要通過合適的員工在適當的地方之間的工作溝通來接受。特別是項目經理需要了解技術和業務方面，行話，最好是公司的總體概念。
預算和利益相關者
通常仍然難以讓組織中的利益相關者相信數據治理計劃的需要并獲得預算。此外，變化往往受到根深蒂固的阻礙，但信息處理中的功能流程和缺陷可以通過業務部門中不直接可見的資源來補償。
標準化和靈活性
企業需要靈活應對快速變化的需求。但是，根據每個公司的業務需求，在靈活性和數據治理標準之間尋求適當的平衡至關重要。
數據治理最佳實踐和成功因素
實施數據治理計劃
數據治理不是一個大爆炸的舉措，也不會以這種方式運作。相反，全球倡議是高度復雜的長期項目。因此，他們冒著參與者可能隨著時間的推移失去信任和興趣的風險。
因此，建議從可管理或特定于應用程序的原型項目開始，并繼續迭代。通過這種方式，項目仍然可管理，經驗可用于更復雜的項目或擴展公司的數據治理計劃。
典型的項目步驟是：
定義目標并了解利益;
分析當前狀態和delta分析;
得出路線圖;
說服利益相關者和預算項目;
制定和規劃數據治理計劃;
實施數據治理計劃;
監視和控制。
這些步驟不僅要為每個新程序重復，而且如果進行了更改，還需要重復這些步驟。
在任何數據治理計劃開始之前，應始終回答有關項目原因的問題，以避免不必要的額外工作。同樣，應評估現有流程，以確定它們是否可以適應數據治理計劃框架內的新要求，而不是從可能不必要的新流程開發開始。
以下工具可幫助實施數據治理計劃：
數據管理（DAMA）框架
DAMA框架為識別學科和職能組提供了方向 - 見http://www.dama.org。
BARC 9場矩陣
BARC的“9-Field Matrix”旨在確定組織數據管理方法的當前狀態，并從中獲取路線圖。
三個公司層面（戰略，戰術和運營）以及其組織，業務和技術方面構成了矩陣的基礎。通過其結構，可以使用所涉及的主題，流程，角色和任務的規范來充實數據管理項目。
應該指出的是，層次，組織，業務和技術方面以及公司中的角色的預測應該非常具體。然而，矩陣適用于數據管理領域的任何主題。
DAMA框架提供所有相關的數據管理主題和記錄的標準。它們被分配到BARC 9-Field Matrix中的一個字段。
以這種方式，可以以結構化方式將每個字段的當前狀態與目標狀態進行比較。在這樣做時，可以識別增量，可以設置優先級并且可以導出具有具體動作的路線圖。
角色略有不同，但核心角色總是如下：
數據治理委員會（指導委員會/戰略層面）
數據治理委員會（戰術層面）
數據管理器
數據所有者
數據管家
數據用戶
模板和庫
模板比角色模型更進一步。除此之外，它們還包括最佳實踐流程，決策規則，數據質量規則，關鍵指標和任務類型。
“數據治理”平臺數據治理平臺為數據質量，主數據管理，數據集成，元數據管理和數據保護提供不同的功能塊。
BARC建議
以下提示將幫助您實施數據治理計劃或計劃：
沒有管理支持，永遠不要啟動數據治理計劃;
不要啟動大爆炸計劃，而應將數據治理理解為由子項目組成的連續迭代過程;
從小型試點項目開始，將這些項目的經驗帶入公司;
數據治理計劃可以運行多年。但是，個別項目的持續時間不應超過3個月;
設定考慮周全且目標明確的目標;
贏得接受是首要任務。利益相關者的參與和流程的透明度是關鍵。建議與所有利益攸關方進行公開透明的溝通，沒有隱藏的議程;
不要重新發明輪子，而是使用市場上已有的模板，模型和最佳實踐，無論是通過軟件工具，框架和庫，還是顧問;
正確指定公司中的角色。特別重要的是項目經理的溝通技巧，他們必須將數據治理計劃納入公司，同時考慮到政治問題和敏感性;
仔細檢查并考慮為什么已建立的流程和解決方案沒有得到充分簡化;
評估數據治理平臺;
建立明確的結構和責任;
建立記錄組織最佳實踐的全面方法。
（部分內容來源網絡，如有侵權請聯系刪除）
