什么是數據治理？
數據治理（DG）是對企業中使用的數據的可用性，可用性，完整性和安全性的整體管理。健全的數據治理計劃包括理事機構或理事會，一套明確的程序和執行這些程序的計劃。企業受益于數據治理，因為它可確保數據的一致性和可信賴性。這一點至關重要，因為越來越多的組織依靠數據來制定業務決策，優化運營，創建新產品和服務，并提高盈利能力。

無論是實施自助服務儀表板，開發報告流程以滿足法規遵從性，還是定義BI戰略，都會出現一個共同的挑戰：治理。在評估存在的業務和技術挑戰時，以下問題始終如一：
我們如何確?？梢孕湃卧磾祿?？
我們如何開發一致且可重復的強大數據質量參數？
我們當前的數據能否支持更好的客戶體驗計劃
我們如何利用分析來全面了解我們的業務？

所有這些都涉及對與組織信息資產相關的一致業務規則和流程的需求。此外，當組織開始了解這些問題與其整體信息管理戰略的相關性時，他們已準備好開始制定強大的數據治理計劃，將治理需求與分析相結合。

對于大多數組織而言，單個數據倉庫并非現實。大數據源，不斷增加的復雜性，運營智能和信息多樣性創造了一個需要一致且全面的數據管理策略的環境。增加的復雜性意味著更多的移動部件，并且需要理解每個數據處理流程的復雜性。

如何實施數據治理？
實施數據治理框架的第一步涉及定義企業中數據資產的所有者或保管人。此角色稱為數據管理。

然后必須定義流程以有效地涵蓋數據如何存儲，存檔，備份和防止意外，盜竊或攻擊。必須制定一套標準和程序，定義授權人員如何使用數據。此外，必須實施一系列控制和審計程序，以確保持續遵守內部數據政策和外部政府法規，并確保數據在多個企業應用程序中以一致的方式使用。

一旦確定了總體戰略并確定了數據所有者和監管人，就會形成數據治理團隊來實施處理數據的政策和程序。這些團隊可以包括業務經理，數據管理員和員工，以及熟悉組織內相關數據域的最終用戶。致力于推動此類數據治理流程最佳實踐的協會包括數據治理研究所，數據管理協會（DAMA）和數據治理專業人員組織。

通常，數據治理工作的早期步驟可能是最困難的，因為組織的不同部分具有關鍵企業數據實體的不同觀點的特征; 必須有效地解決這些差異，作為數據治理流程的一部分。如果數據治理可能會對數據的處理方式施加限制，那么它在組織中就會引起爭議。

數據管理者的一個基本特征是對數據的各個部分負責。此類數據治理的主要目標是在準確性，可訪問性，一致性，完整性和更新方面確保數據質量。

通常形成數據管理員團隊以指導實際的數據治理實施。這些團隊可能包括熟悉組織內數據特定方面的數據庫管理員，業務分析師和業務人員。數據管理員與位于整個數據生命周期中的個人合作，以幫助確保數據使用符合公司的數據治理策略。

數據質量
數據質量是大多數數據治理活動背后的驅動力。數據源的準確性，完整性和一致性是成功舉措的關鍵標志。

數據清理是數據質量計劃中的常見元素，因為它識別，關聯和刪除相同數據點的重復實例。數據清理考慮了例如可以描述相同客戶或產品的各種方式。數據編輯器，數據挖掘工具，數據差異實用程序，數據鏈接工具以及版本控制，工作流程和項目管理系統都包含在幫助組織獲得更好數據質量的軟件類型中。

數據治理的整體方法包括這些關鍵組件：
一個企業架構組件是重要的，因為它把IT和業務，測繪公司的應用和相關技術和數據業務功能，他們能通過將數據治理與企業體系結構相集成，企業可以在與企業戰略的連接環境中定義應用程序功能和相互依賴性，從而優先考慮技術投資，使其與業務目標和策略保持一致，從而產生預期的結果。

一個業務流程和分析組件定義了如何將企業的運營，并確保員工理解并實施針對他們所負責的過程負責。企業可以清晰地定義，映射和分析工作流程并構建模型以推動流程改進，以及識別易受最大安全性，合規性或其他風險影響的業務實踐，以及最需要控制以減少風險的方法。

一個數據建模組件的設計和部署提供高品質的數據源和支持應用程序開發的新數據庫的最佳方式。能夠經濟高效地從“隨處”發現，可視化和分析“任何數據”，支持大規模數據集成，主數據管理，大數據和商業智能/分析，能夠合成，標準化和存儲數據源來自單一設計，以及跨項目的重用工件。當數據治理正確完成，并且它與您的業務的結構和體系結構融為一體時，它可以幫助您的組織接受新技術以及它們出現時提供的新數據源。通過以與組織處理其所有數據相同的方式管理大數據，通過了解其元數據，定義其關系以及定義其質量，可以更輕松地查看大數據計劃的ROI和ROO。