​数据治理（DG）

数据治理（DG）

我们都听说过数据治理，这是一个庞大的话题，所以我不会深入讨论。

我们都知道数据治理在任何组织中的重要性，但现实是，90%的组织没有适当的数据治理措施。特别是在大数据出现之前，很少有组织关注这个关键领域，但现在有许多数据存储可用，如SQL和NoSQL数据库，数据仓库，数据集市，数据湖，数据网格，Delta Lakes，数据湖仓，数据/业务金库，Hadoop，对象存储，内存存储等。所以现在数据治理已经成为不可避免的事情。

数据治理部门通常负责处理监管机构的要求，但同时，“数据治理也是在数据资产和负债之间保持平衡的问题。”

数据治理框架创建了一套收集、存储和使用数据的规则和流程，包括政策、规则、流程、组织结构和技术，作为整个组织治理计划的一部分实施。

数据治理是一组原则和实践，通过数据的完整生命周期确保高质量。它与技术无关，它的方法是管理其他数据学科，以确保数据适合其目的，它不仅仅是管理数据以服务于过程并避免过程停滞问题，它对于业务来说比技术更重要。

类型或方法或模型：

Ø分散执行 - 单个业务单位：在这种模式下，每个业务单位创建和维护自己的主数据，并处理自己的客户、物料和供应商。

Ø分散执行 - 多个业务单元：在这种模式下，每个业务单元维护自己的主数据，但在共享的客户、物料和供应商清单上工作。

Ø集中执行 - 单个或多个业务部门：在这种模式下，单个或多个业务部门创建和维护集中的主数据，其中包含主数据。

Ø集中数据治理和分散执行：在这种模式下，一个集中的机构创建控制和政策，每个业务单元创建自己的主数据。

数据治理实施步骤：

Ø确定角色和职责。

Ø定义数据领域。

Ø建立数据工作流程。

Ø建立数据控制。

Ø确定权威数据来源。

Ø制定政策和标准。

数据治理的支柱：

Ø数据管理（stewardship）：这是数据管理和治理中的一个职能角色，负责确保数据政策和标准得到实施。

Ø数据质量：已在另一个主题中讨论过。

Ø主数据管理：已在上面讨论过。

Ø数据治理使用案例。

成功管理数据和分析应用的基础：

Ø关注商业价值和组织成果。

Ø数据问责和决策权的内部协议。

Ø基于数据谱系和管理的信任型治理模型。

Ø遵循一套道德原则的透明决策制定。

Ø风险管理和数据安全被包括在核心治理组件中。

Ø持续的教育和培训，设立监测机制以确保其有效性。

Ø鼓励广泛参与的协作文化和治理。

数据治理是许多任务或项目的前提条件，具有许多明显的好处：

Ø组织内一致、统一的数据和流程是更好、更全面的决策支持的前提条件。

Ø通过明确的流程和数据变更规则，在技术、业务和组织层面提高IT景观的可扩展性。

Ø中央控制机制可以优化数据管理成本。

Ø通过协同作用提高效率。

Ø通过保证质量和认证数据以及完整的数据处理文档，提高数据的可信度。

Ø实现合规性指导方针。

Ø通过监控和审查隐私政策来确保内部和外部数据的安全性。

Ø通过减少长时间的协调过程来提高流程效率。

Ø通过标准化实现清晰透明的沟通。这是企业范围的数据中心倡议的先决条件。

Ø此外，每个数据治理计划的具体性质带来的特定好处。

简而言之，数据治理和组织中的任何其他流程一样重要，CDO是这艘船的船长。

没有数据治理就等于数据沼泽。