數據治理最佳實踐——從哪裡開始？

長期以來，數據治理被認為是數據驅動世界的必需品，對於大大小小的組織來說，數據治理從來都不是一件容易的事。

今天，與採用數據治理最佳實踐相關的複雜性比以往任何時候都更大。

結構化和非結構化數據正以越來越多的數量從激增的來源到達，以便在多個平台上存儲和處理。 隨著監管要求的數量不斷增加，集成點也在不斷擴大。

即使是小公司也必須處理數十個未記錄的數據源和數據孤島，更不用說糟糕的數據質量或識別漂浮在網絡上的平面文件以及內部敏感數據的恐懼。

在此背景下，數據治理計劃的成熟度已經倒退。 根據 Quest 對 IT 和業務線受訪者的定期調查，不到 15% 的公司在 2020 年全面實施了數據治理計劃，是之前研究報告的一半。 以“理解正確的數據治理方法”為主要挑戰，組織正在重新審視他們的戰略，以檢查他們是否確實遵循了數據治理的最佳實踐。

在本文中，我們將研究領先的公司如何掌握數據治理的最佳實踐，以消除其數據生態系統中的成本，並利用強大的數據分析解決方案來獲得新的收入來源。 潛入。

什麼是數據治理？

數據治理是一種組織流程、標準和職責的實踐，使公司能夠了解其數據在哪裡、如何使用、是否受到保護以及它在多大程度上滿足數據質量標準（準確性、完整性、可靠性、相關性、和及時性）。 它描述了誰可以根據什麼信息採取什麼行動，以及何時、在什麼情況下以及使用什麼方法。

通過實施數據治理的最佳實踐，組織可以降低隱私和安全風險，改進對監管要求的響應，並實現更先進的數據分析和數據科學計劃。

數據治理的目標是將數據作為戰略資產進行管理。

為了確保數據治理計劃的成功，了解什麼不是數據治理也很重要：

• 數據治理不是數據管理。 作為數據管理的一部分，數據治理只是數據管理戰略的一個核心組成部分，儘管它是一個核心組成部分。 後者是一個涵蓋 10 個知識領域的總體術語，包括數據架構、數據建模、數據存儲和操作、數據安全和隱私、數據集成和可操作性、文檔管理、主數據管理、數據倉庫和 BI 以及元數據管理（發現更多關於這裡的數據管理策略）。
• 數據治理不僅僅是主數據管理 (MDM)。 與數據治理最佳實踐類似，MDM 在確保用戶訪問相同的當前和完整數據集方面也發揮著關鍵作用，但 MDM 只控制主數據，即組織關於客戶、產品、供應商、位置等的關鍵業務數據.
• 數據治理不僅僅是元數據管理。 元數據管理以數據目錄為中心，這些數據目錄使用元數據（描述數據的數據）來提供公司數據資產的可搜索清單。 數據編目是早期數據治理計劃的主要焦點，並繼續作為數據治理的解決方案進行營銷，但事實並非如此。 數據目錄缺乏許多基本的數據治理功能，例如沿襲追踪或數據質量檢查。
• 數據治理不僅僅是數據管理。 數據治理是關於如何制定決策以及人們和流程如何與數據相關的行為。 數據管理是日常數據治理計劃的實際執行（閱讀下文）。

數據治理背後的關鍵業務驅動因素是什麼？

繼 2016 年通過歐盟通用數據保護條例 (GDPR) 和 2018 年跨部門的大規模數據洩露事件之後，安全成為組織採用數據治理最佳實踐的關鍵動力。 然而，近年來，關注點略有轉移。

根據參與 2022 年 Zaloni 調查的數據治理專業人士的說法，當今對數據治理的投資主要是為了提高數據質量 (74%) 並從數據分析/BI 中獲得更快的洞察力 (57%)。 在 ESG 和 Quest Software 發布的 2022 年數據治理和賦能狀況報告中，41% 的受訪者將數據質量列為應用數據治理最佳實踐的首要驅動力，而 37% 的受訪者認為“提高數據安全性”。

一方面，越來越多的組織希望民主化訪問高質量數據以推動更好的決策。

另一方面，機器學習解決方案的進步激發了人們對大數據的創收潛力的興趣，大數據現在已成功用於商業影響。 這種趨勢在以客戶為中心的公司中尤為明顯，這些公司正在努力盡快獲得新見解以保持競爭力。

領先的組織如何實施數據治理的最佳實踐？

數據治理是一種痛苦。 這應該從一開始就被接受。 有一個大問題使數據治理變得異常困難。 最重要的是，它需要思維方式的轉變。 與 DevOps 實施類似，人員和流程是第一位的。 工具排在最後。

引入數據治理的最佳實踐需要付出很多努力，因為您需要圍繞數據訪問、一致性和新數據源的採用灌輸規則和程序。 這意味著與利益相關者舉行大量會議，而不是做純粹的技術工作。

第二大挑戰是找到最佳平衡點。 在推廣數據治理的最佳實踐時，您需要為業務用戶提供適當級別的靈活性，這足以探索數據，但不足以解決問題。

不管數據治理有多麼困難、令人沮喪或成本高昂，任何組織如果想要成為數據驅動型，最終都必須處理它。

借助 ITRex 豐富的數據經驗，我們收集了一些關於如何開始使用數據治理最佳實踐的有用提示。 跳進去。

1. 識別企業最痛苦的問題

第一步是評估組織的數據治理準備情況，以發現阻礙公司發展的痛點。 您需要確定它們的優先級並製定一個高級計劃來解決優先用例。 剛開始數據治理之旅的公司通常會聘請外部顧問來完成這項工作（如果您需要經驗豐富的數據顧問，請聯繫我們）。

例如，您甚至可以從您的 CFO 對他們每次索要相同歷史時期的不同財務狀況的沮喪開始著手。 或者公司的痛苦問題可能是發現過時交易的低效率業務流程，或無意義的報告生成，或孤立的系統將重要數據鎖定在需要快速預測模式的用戶之外。

確定引入數據治理最佳實踐和設置特定基準的快速勝利將為您提供指南針並幫助您進行下一步（見下文）。

2. 獲得支持

數據治理必須從高層開始，以確保角色清晰和授權，因此高管的支持是關鍵。

這部分會很困難，因為數據治理很少被視為利潤中心。

僅僅告訴最高管理層您想要提高數據質量是不夠的。 您需要圍繞第一步中確定的痛點構建明確定義的業務案例。 這個案例應該承諾創造價值。

基本上，您應該將您的數據治理最佳實踐計劃與因不良數據和由此產生的業務錯誤而導致的收入損失或花費的工時（例如，通過數據團隊查找、管理或啟用數據）聯繫起來。 您還可以列舉不合規或增加數據存儲支出的高成本風險。

展望未來，在爭取各部門的支持之前，您可能還會面臨一場艱苦的戰鬥。 您的程序可能被標記為減慢進程的繁文縟節。 或者，您可能不得不面對沮喪的用戶，他們要求不受限制地訪問您的策略不允許的所有內容。

獲得整個組織的支持對於您的數據治理計劃至關重要。 所以，提高你講故事的技巧。

3. 定義角色

儘管每個組織可以設置不同的數據治理結構，但最常涉及的利益相關者：

• 首席數據官：這是一個集中的角色，主要負責圍繞數據治理最佳實踐定義政策、標準和規則，同時確保所有數據項目都遵循它們。 這個角色可以由高級數據主管或首席信息官擔任，他們通常被認為是完美的選擇。
• 指導委員會：該團隊通常在高級管理層內部成立，其中包括高級管理人員。 它通過與業務需求一致的特定結果來引導治理戰略，定義數據域，分配領導者，批准計劃資金並監督進度。
• 數據所有者：這些通常是高級經理或部門負責人，除了其主要角色外，還被指派負責特定數據域。 他們的任務範圍從批准數據定義到審查主數據管理活動、解決數據問題以及為指導委員會提供輸入。
• 數據管理員：他們的主要職責是通過確保正確分類數據、識別關鍵數據元素、記錄數據沿襲、按影響確定數據集的優先級以及遵守數據質量標準來證明數據的質量。 他們運行質量檢查、分析數據源、實施安全和分析更新，有時還代表數據所有者批准訪問請求。

角色和職責的明確定義是數據治理最佳實踐的基本部分。 如果沒有人擁有它們，那麼沒有人會關心實現結果。

4.做繁重的工作

數據治理不是一次性的項目。 這是一個持續的計劃，應用數據治理最佳實踐是一個持續的、迭代的過程。 這個過程涉及復雜的技術活動，包括：

• 制定和執行規則：這些類似立法的活動側重於定義、執行和重新評估將引導組織進入未來理想狀態的政策、程序、標準和企業數據架構。 它們跨越數據生命週期的所有階段，從數據創建到採集、完整性、安全性、質量和使用。
• 建立單一的事實來源：為此，公司建立業務詞彙表和數據字典。 業務詞彙表是一個業務術語列表，其定義在組織的日常活動中使用。 它是與所有業務部門合作編寫的，以確保每個人都使用相同的語言。 數據字典包含數據本身或元數據的詳細定義和描述，可以是數據類型、大小、默認值、約束等。兩者都是確保公司對相同數據做出決策的關鍵。
• 選擇工具：從根本上說，數據治理不是一個可以通過技術解決的問題，但重要的是盡可能地自動化以節省時間和資源。 有一些工具可以支持該過程，包括開源解決方案，它可以幫助進行數據發現、分析、管理、分類敏感數據、可視化沿襲、提供集成的業務詞彙表和數據字典，或生成數據質量測量。

為了使數據治理最佳實踐的採用順利高效，領先的組織在設計運營模型時還遵循兩種策略：

• 他們使系統盡可能簡單。 這通常意味著集中技術治理、設計簡單的架構，並保留更少的儀表板和 KPI，以便輕鬆集中註意力和保持一致性。 他們也不會過度限制數據的使用，儘管它可能很誘人。 創建一個錯綜複雜的權限網絡，讓每個人都能準確地訪問他們需要的數據，這會造成混亂並延遲商業價值。
• 他們通過指標衡量進度。 目標不僅是展示數據治理最佳實踐為抵抗阻力而增加的價值，而且是為了確保持續改進。 示例指標可以包括對業務目標的貢獻、風險降低、運營效率、相關工具的使用或對標準和程序的符合性。

5. 吸引用戶

數據治理計劃的成功是全公司的責任。 這最終取決於最終用戶如何了解數據、了解數據以及對數據支持感到興奮。

為了讓員工了解質量數據的價值，領先的組織提供定期培訓。 如果客戶入職的銷售人員必須填寫數十個他們無法理解的表格字段，那麼他們為什麼要關心正確輸入這些數據呢？ 您需要讓用戶了解數據治理最佳實踐的價值，這對他們來說並不總是有形的。 同時，您還應該展示遵守規則如何改善他們的個人和業務成果。

數據治理領導者還使用各種激勵措施。 此類干預措施包括對堅持數據質量標准或展示新用例的獎勵，以及對定期審計中發現的錯誤的懲罰。

設置清晰的數據治理流程，並讓所有用戶參與其中。 掌握數據治理最佳實踐並非易事，但您的組織可以成功。

如果您堅持自己的計劃，請聯繫我們的數據顧問。 它們使數據治理變得毫不費力。

最初於 2022 年 10 月 7 日在 https://itrexgroup.com 上發布。