想象一下，您在IT部門工作的跨國組織在其年度調查中獲得了較差的客戶滿意度評級。
現在，首席執行官的首要任務（也就是您的首要任務）是確定客戶體驗。
隨著許多業務系統和應用程序（包括采購，呼叫中心交互，網站訪問，移動應用程序使用以及越來越多的物聯網傳感器和設備）產生的大量客戶數據，應該可以確定客戶想要什么并交付很棒的客戶體驗。
解決方案似乎很簡單 - 將所有數據放入數據湖中，讓數據科學家和業務分析師松散，立即發揮他們的神奇作用，發現新的，可操作的見解，從而推動更加個性化的個性化客戶體驗。
但這個過程很少順利航行。
核心問題是豐富的數據形式和數量不能立即使用。與為現代分析充分準備數據相關的復雜性加劇了問題，隨著數據繼續以大規模和實時速度增長，挑戰也在增加。
因此，數據科學家在數據清理和準備之后花費了太多時間，而不是增值分析和戰略決策。這種情況不可持續。
許多組織現在意識到，在建立數據湖的匆忙和熱情中，他們實際上創造了一個值得沼澤事情漫畫夢魘的“數據沼澤”。
為什么？
因為他們忽視了一個關鍵的成功因素 - 數據治理，它將人員，政策，流程和技術匯集在一起，將數據沼澤轉變為一個晶瑩剔透的數據湖，成為值得信賴的寶貴商業資產。
數據治理：它是什么？
數據治理是實踐和流程的管理，可確保企業數據資產（包括本地和云端）的質量，可用性，可用性，完整性和安全性。
它由豐富的技術堆棧提供支持，包括業務術語表，策略定義和協作，數據沿襲，數據集成，數據質量，元數據管理，安全和隱私，數據屏蔽和數據編目等組件，這些組件對信息進行分類，識別關系，并支持最終用戶搜索。所有這些聽起來都很多，但通過人工智能（AI）和正確的技術解決方案，您可以獲得使用可信，上下文和可訪問數據進行數據治理的自動化方法。
雖然正確的技術基礎至關重要，但數據治理還需要多個利益相關方之間的協作，包括首席數據官，企業架構師，業務部門負責人和負責監督數據質量，遵守數據政策和程序的數據管理員，以及今日的治理活動。
業務線所有者和IT必須緊密協作以了解其他人的角色和目標，否則他們將面臨數據治理策略和流程無法運營的風險。最有效的計劃使數據治理成為商業文化的一部分。它不是一個獨立的學科 - 它只是業務的運作方式。
大數據數據治理的四個步驟
通過遵循這四個數據治理步驟，組織可以最終實現其數據湖所具有的巨大潛力，以推動整個企業的活動 - 無論是支持更好的客戶體驗，欺詐檢測，風險管理，運營效率還是其他業務目標。
帶來秩序混亂。采用數據治理策略，以確保有關數據和系統的信息得到妥善組織，分類和編目，以及使用通用業務語言進行描述。這有助于最終用戶更容易理解數據的含義，背景和相關性，同時消除數據湖中原始結構化和非結構化信息的混亂。
使數據分析準備就緒。使數據質量成為數據治理計劃的關鍵部分，以使信息一致，準確，值得信賴并適合分析。數據治理工作還應有助于確保數據僅供授權人員訪問，并且安全且符合法規要求，尤其是數據隱私方面。
啟用自助服務。為業務用戶和數據科學家提供自助服務工具和語義搜索功能，使他們能夠“購買”數據（就像在零售網站上搜索產品時那樣）并應用分面搜索來縮小結果范圍。組織內部的數據所有者只有在確信數據安全且符合公司政策和行業法規的情況下才能在整個企業中訪問數據。只有這樣才能使數據“民主化”。通過使數據湖泊民主化并使企業可以使用信息，組織將多次實現回報。
成為數據驅動的商業價值的催化劑。期望利用數據治理作為加速數字化轉型的催化劑。數據湖中值得信賴的可操作信息可幫助您發現效率，解決復雜性，推動創新，創造競爭優勢，并更好地遵守數據隱私要求，例如歐盟通用數據保護法規（GDPR）和加州消費者隱私法案。
晶瑩剔透的數據湖泊需要數據治理
現代數據湖的作用是成為歷史和實時信息的單一，可信賴的存儲庫，從而推動整個企業更智能，更快速的決策制定。數據治理對于確保數據的一致性，準確性，上下文化，可訪問性和受保護性至關重要。
憑借清晰的數據湖，企業可以利用其龐大的數據來提供創新的產品和服務，更好地為客戶服務，并在數字時代創造前所未有的商業價值。
（部分內容來源網絡，如有侵權請聯系刪除）
