今年早些時候，我們發現許多數據科學家將大部分時間花在“數據管理員”上 - 即分類和清理數據，而不是將其分析為可操作的見解。

該研究還發現，這類工作是數據科學家最不喜歡的，當分析技能最需要和供不應求時，這是一個值得關注的問題。正如CrowdFlower首席執行官Lukas Biewald所評論的那樣，“你有最難雇傭的資源，他們大部分時間都在清理數據。這對組織來說是一種巨大的浪費。“

在依賴數據的自動化世界中，持續的數據管理至關重要。制定明確而全面的數據治理策略將有助于公司從中獲得最佳效果 - 并且更好地使數據科學家能夠專注于從所有數據中獲取價值。

數據治理：成功的關鍵

良好的數據治理策略涵蓋數據的存儲，訪問，刷新和使用方式 - 鑒于客戶對隱私和個人數據問題的認識不斷提高以及加強監管（例如歐盟新的通用數據保護法規），這一點也越來越重要（GDPR）。

在去年對我們研究報告的調查中感受到了熱度：大數據逐漸消失，服務提供商將數據治理列為首要關注點。TM論壇常務董事Rob Rich也強調良好的數據治理是成功獲取大數據的關鍵因素。Rob說：“數據治理從根本上講是一門學科，其特點是在各組織之間部署一系列控制措施，以確保數據的完整性和信任。它包含一系列流程，確保數據資產在整個數據生命周期中受到正式管理，包括組織中所有部分的發現，評估，使用，改進，管理，維護和保護。它還定義了員工的責任和責任，當然還包括支持流程的工具和系統等技術。“

數據治理路線圖

TM Forum的新數據治理功能和實施報告作為Frameworx 16的一部分發布，概述了實施有效數據治理的六步路線圖。

定義并對齊

第一步是定義數據治理策略并使其與業務戰略保持一致。您嘗試解決的業務問題是什么？數據如何幫助您實現目標？

在感受到熱度：大數據升空，Rob建議說，“數據治理計劃應該從降低風險開始。最大限度地減少監管違規行為（例如，避免罰款和破壞品牌的宣傳）至關重要，提高數據隱私和安全性也是至關重要的。它還應通過消除重復和返工來提高業務效率，并應通過明確分配數據元素的“所有者”來提高工作人員的效率。“

他補充說：“成功的計劃確立了總體目標，但通常始于高優先級領域，如合規性，客戶支持或業務敏捷性。”

角色和責任

下一步是定義數據治理的角色和職責。隨著復雜的合作模式在數字生態系統中成為現實，數據的所有權和管理是監控和控制的關鍵因素。

例如，不同的數據類型可能需要不同的所有者。這意味著需要定義所有不同的數據類型以及數據操作模型。

Rob說，“整個組織的信息業務用戶必須以協作的方式參與進來。畢竟，他們通常是數據的所有者和用戶，但如果計劃要保持勢頭，治理專業人員必須小心謹慎地關注商業利益，而不是讓他們負擔過重。“

政策和流程

接下來，重要的是概述管理數據的策略和流程，并將它們映射到角色和職責。首席數字官經常建立這些政策和程序。

組織使用的數據越來越多地由組織外部以及組織內部生成和消費。因此，需要定義和跟蹤某種程度的質量（例如，第三方應用程序可以建立在城市的開放數據上）。例如，數據存儲，格式化，元數據，安全性和合規性也需要清晰的流程。

測量和監控

您將如何跟蹤進度并衡量有效的方法？是時候定義指標和測量方法了。

Rob解釋說，“實際上，大數據分析的每個方面都取決于數據的準確性和可訪問性。不幸的是，這些數據可以在服務提供商組織的每個角落中以各種可想象的格式找到，并且經常與來自其他來源的類似數據沖突。“因此，數據治理計劃必須解決質量問題，并確保數據的可訪問性和可用性，但它們必須先行走才能運行。在整個企業中建立一套商定的，共同的定義或數據架構，可以大大提高大數據的成功率。“

1、選擇技術：一旦有了用于測量和監控數據治理的框架，您就可以為該工作選擇合適的工具。

? ? ? ? ? 2、關閉循環：根據持續改進的精神，定期檢查數據治理與業務目標的性能非常重要。

? ? ? ? ? 3、該數據管理職能和執行報告進一步詳細概括了一些將需要確保一個全面的數據治理策略的過程。