语言 Chinese, Simplified

SEO Title

内部数据治理：第 2 部分 │数据治理模型

在本系列的第一部分中，我们定义了数据治理并研究了导致大规模清理项目的失误。在这篇文章中，我们将研究常见的数据治理模型，哪些模型最适合不同类型的组织。

没有单一的数据治理模型适合所有组织。在当今的业务中通常会使用各种模型，其中一些模型更适合较小或较大的组织，而另一些模型更适合各种结构或业务需求。让我们看一下四种最常见的数据治理模型：

1. 去中心化执行——单一业务单元

这种数据治理模型的特点是各个业务用户维护自己的主数据。该模型确保数据由本地用户创建，这些用户通常是该主数据的消费者。

Governance de-centralized execution model

用户、好处和注意事项：

虽然这个模型更简单，并且可以更快地设置主数据，但除非管理得当，否则用户也会看到数据中的巨大不一致。以下策略和策略有助于确保该模型有效运行：

2. 去中心化执行——多个业务单元

这种数据治理模型的特点是各个业务用户维护自己的主数据。在这种情况下，我们有多个业务部门与共享的客户、材料和供应商合作。

de-centralized execution multiple business lines

用户、好处和注意事项：

如前所述，虽然这种数据治理模型更简单，并且可以更快地设置主数据，但它也可能导致数据不一致，在涉及多方时产生深远的影响。确实需要控制此模型，因为非常常见的副作用，如重复的主数据和不一致的数据导致不一致或无意义的报告可能会变得很麻烦。为了使该模型有效地工作，关键是：

第三种数据治理模型的特点是单个或多个业务部门集中维护主数据。在此模型中，一个中央组织负责根据来自主数据消费者的请求设置主数据。

centralized governance single or multiple units

用户、好处和注意事项：

这种数据治理模型可以确保对主数据的高度控制，但它的特点往往是建立主数据的延迟，需要一个正式的和更大的数据治理组织。同样，在此模型中，创建的主数据很可能是一致的，并且由于设置主数据的用户数量有限，因此引入更改和流程改进的速度更快。为了改进模型，组织应该：

最后一种数据治理模型的特点是由一个集中的治理机构定义控制框架，各个企业创建其各自的主数据部分。

centralized data governance and decentralized execution

用户、好处和注意事项：

这种数据治理模型可以确保敏捷性，但同时组织必须确保在需要时实施适当的控制。在此模型中，数据治理组织和业务之间存在共同责任。

为了有效利用这种模式，组织必须：

只要有适当的控制框架，无论是手动还是自动，所有四种数据治理模型都可以工作。所需的自动化水平取决于多种因素，包括：

想了解更多关于如何管理您的主数据？有关 it.mds 的更多信息，请访问 NTT DATA Business Solutions Addstore。您将深入了解 it.mds 如何使您的主数据面向业务，在整个业务中提供更好的治理，并通过业务驱动的工作流提供更高的合规性。

在本系列的第三部分中，我们将介绍数据治理的七个关键步骤。