數據治理

Polikoff說，15到20年前，我們現在稱之為數據治理的是企業架構。當時的目標是捕獲有關企業數據處理的所有信息 - 這是一項昂貴且耗時的任務，Polikoff將其比作“沸騰海洋”.Coyne同意Polikoff并補充說，在試圖記錄所有存在的連接時，一小群非常技術性的人會用巨大的圖表為一個房間壁紙。從這個過程來看，技術方面確實得到了一種理解，但對于商業用戶而言，它太復雜且無法獲取。

通過限制數據存儲和應用程序的大小和數量來使這項任務更易于管理的努力隨著時間的推移不成功，因為在很短的時間內，最多幾年，在每次“合理化”努力之后，公司最終將獲得兩倍的成本Polikoff說，數據就像他們開始時一樣。“這只是業務的本質。”

由于數據存儲和來源的激增以及處理的復雜性日益增加，數據管理的需求從數據管理的角度慢慢出現。她說，了解數據的背景變得更加重要。

“如果你試圖描述你的數據以便更好地管理它，你必須從它的使用方式來描述它。捕獲圍繞數據創建和使用的上下文是必要的，而這基本上就是企業架構。“

與支持事務處理的典型操作系統不同，數據治理系統是關于跨數字環境的連接，因此必須擁有一個能夠靈活地，逐步建立對不同利益相關者有意義的連接的平臺，她說。“現在我們看到企業數據治理空間必須是一個基本的業務驅動的活動，而不是IT驅動的活動，”Coyne補充說。

霍奇森表示，要依賴元數據進行上下文，就需要對正在發生的事情保持忠誠度或“敏銳度”。“所以你不要只抓取一次元數據，你要繼續檢查元數據是否應該是這樣的。”使用數據架構，一旦建立模型并且“壁紙”啟動，企業就會發生變化。圖表已過時。“改變是重新構建數據治理而不是數據架構的關鍵驅動因素，”他說。

Coyne表示，數據治理旨在提供從業務到最技術元素的數據生命周期的全面視圖。人們有時會認為他們擁有有效的數據治理，因為他們只擁有整個生命周期的一小部分。但是，整個數據生態系統中更具連接性，全面的生命周期能力是當今世界所需要的，以實現他所謂的數據治理2.0。

“許多已經存在很長時間的現有技術工具提供了一個部分，但未來，我們需要一個更全面的解決方案，而知識圖方法在這方面發揮著重要作用，”他說。

Hodgson認為，不同級別的人員與公司的元數據有不同的關系。有些人正在使用數據治理。

“他們不只是收集元數據，他們想要做點什么 - 也許是它的血統，也許它是合規的，也許它正在弄清楚他們需要存檔什么，他們需要存檔多長時間。”

其他人正在收集元數據，有些小組正在與之互動，因為他們正在處理一個項目。“將所有這些結合在一起需要一種數據治理以前沒有的方法論。”

知識圖技術

知識圖通常用于社交網絡中，用于在線交易中的欺詐檢測，以及作為推薦引擎。知識圖表具有適應性，可重用性和增強性，將靈活性與結構和意義相結合。

使用知識圖和圖數據庫的簡單結構可以實現強大的企業級關聯。鏡像我們的思維方式，知識圖使用一組節點，邊和屬性來表示和存儲數據。數據點之間的關系通常比單個點本身更重要。

TopQuadrant將知識圖定義為一組互連的信息，能夠有意義地橋接企業數據孤島，并通過關系提供組織的整體視圖。

由于企業數據是企業最重要的資產之一，因此通過企業生態系統中所有資產的連接來捕獲其全部的技術和業務環境，是有效數據治理的基礎。最好的方法是通過開放，可擴展和智能的方法。Hodgson表示，實現這一目標的一個有效方法是通過Knowledge Graphs。

為什么知識圖表很重要？

霍奇森概述了知識圖為數據建模過程提供的四個關鍵能力：

• 可擴展性：能夠適應隨時間演變的各種數據和元數據
• 內省/查詢能力：可以檢查模型以找出可知和可查找的內容
• 語義：數據的含義與數據一起存儲在圖表中以理解連接
• 智能啟用：推斷對象之間的依賴關系和其他關系的能力

TopQuadrant

TopQuadrant的使命是使信息有意義，從而賦予人們權力。他們認為他們對語義Web標準的承諾是他們成功的關鍵部分。語義Web是當前Web的增強，其中含義（即語義）是機器可處理的。擁有使用計算機理解的詞匯表的數據可以更輕松地查找，共享和組合數據/信息。

Polikoff表示，客戶需求導致使用公認的語義標準管理詞匯表，然后公司使用知識圖譜技術擴展產品并管理所有類型的元數據：結構化，非結構化，業務，技術，操作等。“您需要擁有為了幫助在數據治理領域工作的人，某種程度的自動化，“她說，所以他們增加了有監督的機器學習，使”認知數據治理“成為可能。正如霍奇森所說，“數據治理是關于連接事物的，所以我們創建了一個利用知識圖來建立全面關系的平臺。”

TopBraid

TopBraid企業數據治理解決方案使用知識圖，規則和受監督的機器學習來管理元數據并解決數據治理的所有三個方面：

• 執行治理：創建控制，流程和策略，或者如果它們已經非正式存在則將其正式化
• 代表性治理：創建要捕獲的信息模型，例如詞匯表，數據源，應用程序，參考數據等，并使用這些模型來描述這些資產
• 應用治理：使用捕獲的信息來滿足特定需求。對某些人來說，可能是評估數據源變化影響的能力。對于其他人，它可能是為了追蹤數據沿襲以滿足法規遵從要求。另一個共同目標是提高數據的質量和一致性

霍奇森說他現在看到元數據孤島面對需要跨越生態系統景觀的人們“弄清楚什么在移動，它來自哪里，在哪里，以及它如何影響事物”，他將這種情況比作鐵路系統。他認為該行業面臨的最大問題是每個供應商都提供自己獨特的模型。“我們有一個開放的架構模型。我們使用標準。這是人們開始意識到并欣賞的東西，“他說。

他在TopQuadrant擔任首席技術官的職責是打破復雜性，找到為商務人士和技術人員提供有用體驗的最佳方式。他看到對知識圖（又稱語義技術）以及數據治理可以提供的價值的興奮日益增加。“人們不希望只有漂亮的照片。當他們進行數據治理時，他們希望確保它具有影響力。“