當前位置:首頁 > 公司動態
2020年數據治理揚帆起航:綜合篇
  • 發表時間:2020-04-30 點擊數:43
  • 來源:未知

 世界各地的企業每天都在朝著數據驅動型企業的方向努力,因此,它們收集和管理數據的方式也在不斷演變進步。這種轉變趨勢所產生的一個重要主題是數據治理。在這篇文章中,我們準備回答以下這些問題:

一、什么是數據治理?

數據治理是指關于企業內部數據正式管理的過程和實踐,包括數據管理、數據質量和相關的流程與標準,確保企業數據的安全和正確使用。

近年來,隨著大數據和 BI 對越來越多的企業組織的重要性日益提高,與數據治理的關聯性和突出性也日益展露。通過有效的數據治理,有助于對決策所需的復雜數據源在其統一的環境中進行管理和監控。這最終使得企業獲得一致的、規范的數據視圖成為了可能。

重要的是要記住,數據管理和數據治理不是一回事。記住這個差別的一種方法是將數據管理視為旨在組織和控制數據的 IT 工作,而數據治理是更全面的業務戰略,與企業的發展戰略的重要組成部分,需要整個企業的利益相關者參與其中。

二、為什么數據治理很重要?

盡管許多企業的數據治理在被不經意間悄悄地忽視了,只有48%的企業擁有明確的規劃或計劃,但這并不影響數據治理的重要性,它聚焦于三個關鍵因素:

數據可訪問性:在需要時獲取正確數據的能力。

數據可信度: 企業對其數據質量、準確性和安全性的信心。

數據的激活:對所收集的數據操作使用的能力。

進行有效的數據治理實踐對企業具有重要意義,其中包括但不限于:

Ø   確保遵守重要的內部和外部數據法規,如GDPR和監管單位監管要求。

Ø   通過更清晰的數據定義和數據關系,幫助推動企業信息系統和相關制度、流程的規范化、標準化。

Ø   降低數據管理的成本、提升企業工作效率。

Ø   由于數據關系因素的存在,任何數據活動的透明度都會增加,例如:數據的血緣分析、影響分析、全鏈分析。

Ø   通過規范化的數據輸入,減少錯誤的發生來增加總體收入。

Ø   通過數據戰略規劃和部署,企業經營效率得到提高。

Ø   數據質量得到提升,數據驅動的決策分析更加值得信任。

隨著業務變得越來越以數據為驅動,數據治理將會變得越來越重要。

三、數據治理戰略中的重要任務

數據治理涉及大量的決策、問責和管理,因此通常需要建立一個專門的數據治理團隊。該戰略有一系列的組織結構方案,但最常見的兩個方案選項是:自上而下的命令和控制以及自下而上的協作。與數據治理相關的一些常見職位包括CDO、數據所有者、數據管理員和數據治理專家。

這些不同的職位角色將具有一系列不同的任務,他們在工作中執行的一些關鍵流程包括:

Ø   定義和規劃數據治理計劃的范圍;

Ø   制定提升數據質量和安全性的解決方案;

Ø   創建和管理元數據;

Ø   評估新數據源的適用性;

Ø   監控并強制遵守數據政策;

Ø   研究和集成新的數據源;

Ø   培訓和提高整個企業人員的數據素養,培養數據文化;

Ø   促進新的數據驅動型改進機會。

不同任務相對于彼此的重要性將取決于企業及其法規/合規環境的具體情況。

四、數據治理的最佳實踐方法

業界有許多數據治理的最佳實踐可以在企業中應用,以幫助企業實施數據治理計劃。它們可以幫助企業避免在數據治理中的一些常見的挑戰和陷阱。這些最佳實踐行為包括:

1.從大處著眼,從小事起步:有效的數據治理需要很多不同崗位的員工/管理人員、流程和技術的參與和集成。隨后,在制定數據治理戰略時,務必牢記所有這些因素,從全局考量、整體規劃。然后從人為因素開始,找到企業的業務痛點,制定解決這些痛點問題的流程,然后再找到合適的工具和技術,這樣可以有助于確保成功。

2.從解決業務問題開始:由于數據治理需要整個企業管理者的批準和整體布局,因此必須要充分數據治理的目標以及獲得的預期收益。例如,必須說明增加收入、提高運營效率和改善客戶體驗等因素。一方面要說明通數據治理實現這些目標的機會,另一方面也要概述出其中挑戰以及應對措施,一切就都可以在意料之中了,而且很多效益也可以更容易地實現。

3.設置合理的KPI:目標的確是偉大的,但它們需要可衡量。特別是當你得到管理者的認同,且他們期待他們的投資取得明確和可展示的結果時。KPI 和指標對于跟蹤計劃進度至關重要,同時,對于找到未來改進計劃的方法也至關重要。

4.時刻保持團隊溝通:任何主要實踐的溝通和交流都是不可或缺的,數據治理也不例外。數據治理不是單純的IT事務,而是一項企業的業務,需要所有的利益相關方,例如:高層管理者、業務部門、IT部門、數據管理員、數據科學家等的協同和配合。

5.把它看作是一個轉變,而不是一次例外:數據治理不是一次性的項目,而是一個需要持續努力的項目,它需要定期和持續的調整以及改進。當數據治理被視為”一次性”項目時,企業很容易回到陳舊的、無效的運轉方式。

這五個最佳實踐對于確保數據治理計劃的可行性是非常有幫助的。

五、數據治理的誤區

企業數據治理存在很多誤區和陷阱,最常見的陷阱包括:

IT而輕業務: 盡管通常是專業IT人員最先認識到數據治理的必要性,但他們既不是數據的創造者,也不是數據的用戶。

解決方案:將大部分數據治理工作重心保持在”業務”上,并將 IT 作為積極的合作伙伴角色進行整合,讓業務與IT緊密協作。

數據的價值不被認可:并不是企業中的每個人都知道數據的價值,以及了解確保數據質量的價值。這通常不是因為員工故意忽視導致的,而是因為他們已經收益于獲得的都是純凈數據,而不必通過處理資源來獲取。

解決方案:在企業內部傳達數據及數據治理的價值,要讓相關利益者深刻意識到數據治理對企業競爭力的重要性。

選擇錯誤的指標:選擇一個簡單明了的指標是很有誘惑力的,這樣的指標聽起來可能很不錯,但實際上沒有任何意義(即:我們把錯誤減少了20%,聽起來很棒,但并沒有真正告訴我們這個指標如何影響業務活動)。相反,應選擇能展示數據和治理的改進如何幫助人們實現業務目標的指標。

解決方案:將整個企業 能展示進度和影響的不同業務指標連接起來,找到切實解決企業業務痛點和問題的指標,并進一步明確指標的定義和度量。

數據孤島:數據孤島對于企業的任何一個部門來說都是很痛苦的,尤其是數據治理相關的。這是因為,雖然數據可能滿足一個部門的數據治理或使用需求,但未必滿足另一個部門的需求標準。這會導致數據不一致,甚至引發更多問題。

解決方案:使數據治理成為企業文化和思維模式的一個變革措施,并將所有部門都納入數據治理戰略的規劃和策略中。

六、數據治理工具

數據治理工具旨在幫助確保數據能夠提供預期的業務價值。這意味著,在選擇數據治理工具時,請務必要清楚地了解一個工具所擁有的功能,而且還要明確這些功能將如何創造業務價值。

在評估候選工具時,應考慮下面幾個專業領域:

數據資源目錄:為了實現數據一致性,數據治理程序必須管理基礎數據,如數據元素、模型和詞匯表。具體而言,該工具應具有以下能力:

Ø   基于用途或相關性對數據進行分類

Ø   通過層次結構或類別區分來管理數據元素之間的關系

版本控制功能:擁有特定版本的信息是有效監視更新以及在必要時還原早期版本的關鍵。這意味著:

Ø   源代碼控制服務信息系統的開發,包括分支和合并;

Ø   歷史報告:歷史報告應展示任何做出過的操作的來源和日志;

Ø   回滾功能:在執行過程失敗的情況下,正在運行的應用程序應該能夠通過名為“ROLLBACK”的回滾事務來回到最近的狀態。

元數據管理:數據治理和元數據是密不可分的,因為如果沒有適當的元數據,主數據就缺乏基本上下文環境。

七、數據治理與GDPR

數據治理在需要嚴格遵守法規的行業被十分重視且被認為是至關重要的,例如:金融和保險行業就是如此。如今,這種重視已經轉移到更為廣泛的其他行業中,特別是在歐洲,伴隨著GDPR(通用數據保護條例)的實施。

數據治理在實現合規性方面是不可或缺的,因為它可以幫助企業清楚地回答以下問題:

1. 我們都需要收集和持有客戶和員工的哪些數據

2. 我們從哪里獲得這些數據?

3. 我們有哪些控制措施來確保其安全?

4. 誰在內部擁有或管理數據?

5. 如果違規會發生怎樣的后果?

6. 涉及隱私的信息如何安全傳輸?

7. 實施數據實踐的法律依據是什么?

8. 如何管理未成年人及其監護人?

在企業范圍內提供數據的可追溯性和清晰性以及執行良好的數據治理,可以在審核的時候從內部和外部都可以簡化和流程化此過程。

數據治理是企業數據戰略的一部分,以確保在組織內有效和正確地使用它。在一個嚴重依賴數據的時代,數據治理的重要性不能被低估。隨著數據持續變得越來越復雜,企業可能會尋求更多更好的方法來確保能夠保持合規性和內部工作投入的有效性。

时时彩平台哪个好