【数据治理和管理】数据管理与数据治理：差异解释

最简单地说，数据治理围绕数据建立政策和程序，而数据管理则制定这些政策和程序来汇编和使用这些数据进行决策。为了进一步阐明这一观点，有助于理解这些概念中的每一个，从而更好地理解它们在实践中是如何共同运作的。

什么是数据管理？

数据管理是指创建和实施体系结构、策略和过程，以管理组织的整个数据生命周期需求。制定这些政策和程序对于分析复杂的大数据至关重要。当数据被视为重要的公司资产时，需要对其进行管理。数据管理包括几种不同类型的数据项目，其中之一是数据治理。在关注数据治理和数据管理如何协同工作之前，我们将快速回顾数据管理的其他常见元素。

• 数据准备是清理和转换原始数据以进行准确分析的过程。这一关键的第一步有时会在匆忙的报告和分析中被忽略，组织发现自己用糟糕的数据做出了糟糕的决策。
• 数据管道用于将数据从一个系统自动传输到另一个系统。
• 数据提取、转换、加载（ETL）意味着将数据转换为加载到组织的数据仓库中。ETL一旦建立，通常是自动化的过程，通常需要准备和管道工作。
• 数据目录通过管理元数据以及使数据更容易查找和跟踪，帮助创建数据的完整视图。
• 数据仓库通过整合所有数据源为数据分析提供了一条清晰的路线。
• 数据治理有助于定义维护数据安全和法规遵从性的策略和程序。
• 数据架构将是管理数据流的正式结构。
• 数据安全包括保护您的数据免受未经授权的访问或损坏的过程。

什么是数据治理？

数据治理是数据管理的一个关键组成部分，即管理如何通过组织处理所管理的数据的实践。数据治理有助于回答以下问题：

• 谁拥有数据的所有权？
• 谁可以访问哪些数据？
• 有哪些安全措施来保护数据和隐私？
• 我们有多少数据符合新法规？
• 批准使用哪些数据源？

我们可以将这些模型分为两组，即内容和数据。这里，内容是指数据用于创建的仪表板、分析和故事。在内容和数据中，我们可以通过内容管理、内容授权、数据源管理和数据安全等各个领域进行工作。治理模型和实践不会在每个组织中都相同，但这些模型是流程的关键部分。

• 数据质量是数据源管理的支柱。如果你没有高质量的数据，那么你的治理程序有多强大并不重要。拥有准确、完整和可靠的数据是任何数据驱动组织的基石。
• 数据安全和合规性是根据数据源的风险级别定义和标记数据源，然后创建安全访问点，在用户交互和安全之间保持平衡的做法。
• 数据管理有助于监控团队如何使用数据源，管理员以身作则，确保数据访问、安全和质量。
• 数据透明度很重要，因为流程中的每一个环节和您实施的所有程序都应该在透明的模型中运行。分析师和业务用户应该能够轻松地发现他们的数据来自何处，并知道是否有任何特殊考虑。