數據治理構成了公司范圍內數據管理的基礎，并使有效使用可信賴的數據成為可能。數據的有效管理是一項重要任務，需要集中控制機制。
為了幫助最終用戶更好地理解這個復雜的主題，本文介紹了以下幾點：
? 什么是數據治理？
? 為什么數據治理很重要
? 公司對此問題有多重視？
? 挑戰性
? 最佳實踐

01什么是數據治理？
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，以保證普遍理解，正確，完整，可信賴，安全和可發現的公司數據。
數據治理包含的主題是：

數據治理的核心是建立方法，以及一個具有明確職責和流程以標準化，集成，保護和存儲公司數據的組織。主要目標是：
? 降低風險
? 建立數據使用內部規則
? 實施合規要求
? 改善內部和外部溝通
? 增加數據價值
? 方便上述管理
? 降低成本
? 通過風險管理和優化來幫助確保公司的持續生存

數據治理計劃始終會影響企業的戰略，戰術和運營水平（請參見下圖）。為了在公司范圍內并與其他數據項目協調有效地組織和使用數據，必須將數據治理程序視為一個持續的迭代過程。
數據治理級別
除了職責外，任何數據治理程序的以下方面都必須加以澄清（請參見下圖）。

數據治理方面
? 組織（the “where” and “who”）
? 業務方面（the “what”）
? 技術方面（the “how”）

02為什么數據治理很重要？
大多數公司已經為個別應用程序或業務部門提供了某種形式的數據治理，盡管不一定將其全面制度化。因此，數據治理的系統介紹通常是從非正式規則到正式控制的演變。
通常，一旦公司達到無法有效實施跨職能任務的規模，便會實施正式的數據治理。

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：
? 整個組織中一致，統一的數據和流程是獲得更好，更全面的決策支持的前提。
? 通過用于更改流程和數據的清晰規則，在技術，業務和組織級別提高IT領域的可伸縮性；
? 中央控制機制具有優化數據管理成本的潛力（在數據集爆炸時代，這一點越來越重要）；
? 通過使用協同作用（例如，通過重用流程和數據）提高效率；
? 通過質量保證和認證的數據以及數據流程的完整記錄，對數據具有更高的信心；
? 達到合規準則，例如巴塞爾協議III和償付能力II；
? 通過監視和查看隱私策略來保護內部和外部數據；
? 通過減少冗長的協調流程（例如，通過清晰的需求管理）來提高流程效率；
? 通過標準化進行清晰透明的溝通。這是企業范圍內以數據為中心的計劃的前提；
? 此外，每個數據治理計劃的特殊性質也帶來了特殊的好處。

數據治理對于企業保持響應能力至關重要，這一點比以往任何時候都重要。開拓新的創新業務領域也很重要，例如通過大數據分析，這不允許持久地進行落后的思考和大修結構。

目前，導致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
? 大數據環境中的數據可管理性
? 制定標準以增強對外部影響（例如并購）的反應能力
? 自助服務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
除了這些驅動程序之外，還有許多其他發展和要求使數據治理變得越來越重要。

示例包括可操作的BI，高級分析，社交媒體，360度客戶視圖，云或即服務中的BI，信息策略以及對數據內部和外部使用的數據保護準則（SCM，CRM）的遵守情況。
03BI專業人員對數據治理的看法
BARC的BI Trend Monitor中的數據證實了數據治理的重要性
數據治理與大型企業，金融部門以及英國和愛爾蘭最相關。
它在企業用戶和中小型公司中不太受歡迎。

數據治理與大型企業，金融部門以及英國和愛爾蘭最相關。
它在企業用戶和中小型公司中不太受歡迎。

04數據治理的挑戰
數據治理的相關性顯而易見。盡管如此，盡管具有優勢，但許多公司還是害怕實施數據治理程序，這可能是由于假定的復雜性或總體不確定性。
實施數據治理計劃絕非易事。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，可以實施組織變更，即使這僅意味著命名角色和分配職責。結果，數據治理成為一個政治問題，因為這最終意味著分配，授予和撤消責任與能力。這里需要一種敏感的方法。

接受與溝通
數據治理需要通過合適的員工在正確的地方通過各方之間的有效通信來接受。項目經理尤其需要了解技術和業務方面的術語，術語，最好是公司的總體概念圖。

預算和利益相關者
通常仍然很難說服組織中的利益相關者對數據治理計劃的需求并獲得預算。另外，變更通常會因根深蒂固而受到阻礙，但是業務部門中不直接可見的資源可以彌補正常運行的過程和信息處理中的不足。

標準化和靈活性
企業需要靈活應對快速變化的需求。但是，至關重要的是，要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。

混亂與鎮壓之間的平衡

05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的創舉，并且不能以這種方式工作。相反，全球計劃是高度復雜且長期的項目。因此，他們冒著參與者可能隨著時間流逝失去信任和興趣的風險。
因此，建議從可管理的或特定于應用程序的原型項目開始，并反復進行。這樣，項目將保持可管理性，并且經驗可用于更復雜的項目或擴展公司中的數據治理計劃。
典型的項目步驟為：
? 確定目標并了解收益；
? 分析當前狀態和增量分析；
? 得出路線圖；
? 說服利益相關者和預算項目；
? 制定和計劃數據治理計劃；
? 實施數據治理計劃；
? 監控。

這些步驟不僅要針對每個新程序重復，而且如果進行更改，還需要重復這些步驟。
在開始任何數據治理程序之前，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在數據治理計劃的框架內適應新要求，而不是從可能不必要的新流程開發入手。
以下工具為數據治理程序的實施提供了幫助：
數據管理（DAMA）框架
DAMA框架為確定學科和職能小組提供了方向-請參見http://www.dama.org。

BARC 9場矩陣
BARC的“ 9字段矩陣”旨在確定組織數據管理方法的當前狀態，并從中得出路線圖。
公司的三個層次（戰略，戰術和運營）及其組織，業務和技術方面構成了矩陣的基礎。通過其結構，可以用涉及的主題，流程，角色和任務的規范來充實數據管理項目。
應該注意的是，級別，組織，業務和技術方面的預測以及公司中的角色也應該非常具體。但是，該矩陣適用于數據管理領域中的任何主題。

BARC 9場矩陣

DAMA框架為所有相關的數據管理主題提供了成文的標準。它們被分配給BARC 9字段矩陣中的一個字段。
這樣，可以以結構化的方式將每個字段的當前狀態與目標狀態進行比較。這樣，可以確定增量，可以設置優先級，并可以得出具有具體行動的路線圖。

榜樣

角色對于每個數據治理程序都是必不可少的。如今，軟件工具提供了用于元數據管理，數據質量，主數據管理和數據集成的數據治理模板。
角色略有不同，但核心角色始終如下：
? 數據治理委員會（指導委員會/戰略級別）
? 數據治理委員會（戰術級別）
? 資料管理員
? 資料擁有者
? 數據管理員
? 資料使用者

模板和庫
模板比角色模型更進一步。除其他事項外，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了不同的功能塊。

06BARC建議
以下提示將幫助您實施數據治理計劃或程序：

? 不要啟動大爆炸計劃，而應該將數據治理理解為一個由子項目組成的連續，迭代的過程；
? 從小型試點項目開始，并將這些經驗帶入公司；
? 數據治理程序可以運行多年。但是，單個項目的持續時間不得超過3個月；
? 設定經過深思熟慮的明確目標；
? 贏得認可是重中之重。利益相關者的參與和流程的透明性是關鍵。建議與所有利益相關者進行公開透明的溝通，不要隱瞞議程；
? 不要重新發明輪子，而要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，還是通過顧問；
? 正確指定公司中的角色。計劃經理的溝通技巧尤為關鍵，他必須考慮到政治問題和敏感性，將數據治理計劃引入公司。
? 仔細檢查并考慮為什么未充分簡化既定流程和解決方案的原因；
? 評估數據治理平臺；
? 建立清晰的結構和責任；
? 建立用于記錄組織最佳實踐的全面方法。