【数据治理】数据管理与数据治理：导论

如果说今天有什么能定义成功企业的话，那就是对公司数据的成功理解、使用和战略。了解您的数据并确定如何实施，会带来用户和利益相关者提出的一系列问题：

• 数据是如何存储的？
• 我们如何知道它是及时和准确的？
• 我们能相信吗？
• 对于我的问题，什么是最好的数据？

这些问题的答案并不容易，但有几个领域提供了组织和解决这些问题的方法：数据管理和数据治理。尽管这些术语经常互换使用，但它们是完全不同的程序。在本文中，我们将澄清有关数据管理和数据治理的任何困惑。

数据管理：一种IT实践

让我们从更基本的部分开始——数据管理。毕竟，如果你没有坚实的数据管理，那么数据世界的其他部分就遥不可及。数据管理最好被视为一种IT实践，其目标是组织和控制您的数据资源，使其在用户调用时能够访问、可靠和及时。

从这个管理角度来看，负责数据管理的IT团队可能依赖于一个全面的、定制的实践、理论、流程和系统集合——一整套工具——来收集、验证、存储、组织、保护、处理和以其他方式维护数据。毕竟，如果数据处理不当，数据可能会损坏或不可用，变得完全无用。

重要的是，数据管理涵盖了数据资产的整个生命周期，从数据的初始创建到数据的最终报废。数据管理可以包括许多相关的字段和类别，包括与您的公司相关的以下任何字段和类别：

• 数据治理和数据管理
• 数据架构
• 数据质量管理
• 数据仓库
• 商业智能和分析
• 元数据管理
• 数据安全管理

数据治理：一种商业战略

如果说数据管理是数据的物流，那么数据治理就是数据的战略。数据治理应该比数据管理更大、更全面，因为它是：作为一项重要的业务计划，治理需要政策，最好通过公司内部的共识达成。

数据治理的目的是为公司如何确定数据的财务效益并确定其优先级，同时降低不良数据的业务风险提供切实可行的答案。数据治理需要确定哪些数据可以在哪些场景中使用——这需要确定什么是可接受的数据：

• 什么构成数据？
• 它是在哪里收集和使用的？
• 它必须有多准确？
• 数据必须遵循哪些规则？
• 谁参与了数据生命周期的各个阶段？

重要的是，数据治理必须超越IT，并包括整个企业的利益相关者。为了确保所有数据的安全性、可靠性和可信度，治理要求所有业务领域的利益相关者都参与进来。考虑另一种选择：如果每个业务竖井采用不同的数据策略，最终结果是混乱的，不够全面，不足以发挥作用。

确定您的数据治理可以包括广泛的流程、实践和理论。它可能与许多数据领域重叠，如安全性、合规性、隐私性、可用性和集成。最终结果可能是某种系统，它决定了流程和个人的决策权和责任，比如何时使用哪些数据流程，以及哪些人可以在特定情况下采取某些行动。

最终目标是确定一种控制数据资产的整体方法，使公司能够从数据中获得绝对最大的价值。

战略，而非技术

确定数据治理的好方法是什么？它不是由技术来定义的。相反，技术应该通过自动化、扩展和增强来支持数据治理。数据治理一开始是一种理论（或几种），但当您创建以下内容时，您的策略可以变得切实可行：

• 数据质量定义，它决定了数据的状况，以及数据的可信度和对数据策略的遵守程度
• 业务术语表，记录所有数据的含义，确保清晰并防止不必要的重复
• 角色和责任，为谁关心和维护哪些数据提供了组织结构
• 治理的数据目录，用于定位和促进对数据的理解。更高级的目录甚至可以根据以前的用户访问数据的方式，将数据分组到各种相关的集合中，这可以提供额外的意义、见解和组织。
• 元数据创建，将技术流程与特定的数据实现以及任何产生、使用或影响数据的内容联系起来。这甚至可以跟踪数据的“谱系”，或不同部分之间的数据关系，例如含义相似的数据、业务流程数据，以及特定于部门、业务单元、应用程序、其他产品，甚至内部或外部地理位置的数据。

例如，许多数据治理专家还推荐了一种组织数据系统的方法，以促进公司员工的积极参与。这可以允许用户指示数据何时不正确或直接修复数据，这既可以提高数据质量，又可以相信数据是强大和准确的。

数据治理的好处

一旦建立了数据管理流程，数据治理是合乎逻辑的下一步，因为此类指导可以提供许多好处，包括：

• 提高公司数据的价值
• 通过了解您将重点关注的内容和选择跳过的内容，降低其他数据管理子集的成本
• 整体增加企业收入
• 标准化数据系统、策略和程序
• 确保正确的监管和合规程序
• 帮助解决数据问题
• 提高透明度
• 围绕数据建立培训和教育

无论是在概念上还是在实践中，数据管理和数据治理都不是一回事，但它们对于确保公司成功和有价值地使用数据都至关重要。