什麼是數據治理？
數據治理
定義數據治理
數據治理是一組策略、流程、標準、指標和角色，可確保高效和有效地利用資訊，以支援組織實現其目標。簡單來說，資訊治理是一個幫助組織更好地管理數據資產的框架。
它建立了責任和流程，以確保整個組織的數據安全性和品質。數據治理明確了誰被授權採取什麼行動、對什麼數據、在什麼情況下以及使用什麼技術。一個經過深思熟慮的資訊治理戰略對於所有企業都至關重要，包括那些使用大數據的企業。
例如，企業必須知道並理解術語「客戶」在不同上下文中的含義，以及在每種上下文中對該術語的理解對客戶數據管理意味著什麼。
數據治理的優勢
數據治理為企業帶來了廣泛的好處。這些包括：
將風險降至最低
違反業務數據的品質、安全性、隱私性、完整性、可用性和可靠性會帶來重大風險。首先，如果決策所依據的資訊不符合所需的標準，那麼組織的運作就會處於危險之中。其次，如果企業被發現違反了GDPR和HIPAA等關鍵法律，則可能會採取監管行動。第三，隨著客戶和員工開始不信任數據，公司的聲譽可能會受到破壞。數據治理通過系統地解決在數據處理不善後可能危及業務的關鍵風險來降低風險。
單一企業範圍的數據理解
如今，普通組織捕獲、存儲和操作大量複雜的數據。這些數據是通過分佈在多個營業單位的數十個、數百個或數千個介面捕獲的。對於每個營業單位來說，相對容易被吸入一個孤島，並對其使用的數據進行自己的定義、理解和分類。這隻會導致數據切換期間的衝突或數據處理策略的應用不一致。
數據治理通過開發在整個組織中統一應用的通用術語來協調對數據的理解（即使如果營業單位需要成功履行職責，他們可能會有一些迴旋餘地）。
提高數據品質
數據驅動企業決策。低質量的數據不可避免地會導致糟糕的決策。例如，考慮一家企業的主要目標是嬰兒潮一代，並且正在考慮在一個以前從未去過的城市開展業務。它需要知道的一些數據是它做出正確決定的數據是該城市的嬰兒潮一代人口。如果它所依賴的數據不正確或過時，那麼使用它做出的每一個決定都將存在固有的缺陷。
數據治理創造了一個確保數據一致性、完整性和準確性的工作環境。
數據映射
在組織中創建或接收數據的介面如此之多，以至於隨著時間的推移，很難清楚地瞭解公司保管的資訊。
資訊治理使企業能夠映射所有數據的位置。這使得數據資產可檢索、可用、易於集成，並更容易與戰略成果聯繫起來。
始終如一的合規性
數據治理可以改善客戶體驗、降低運營成本、增加收入並提高效率。但對於許多組織來說，資訊治理計劃主要是由法規遵從性需求驅動的。企業所遵守的實際數據處理法規將因行業和司法管轄區而異。
法規和標準可能包括 HIPAA、GDPR、SOX 和 PCI DSS。對違規行為的處罰可能很嚴厲。在屢次違規的情況下，不遵守規定甚至可能導致吊銷營業執照。
改進的數據管理
術語「數據治理」和「數據管理」通常可以互換使用，但數據管理實際上是數據治理的一個子集。良好的資訊治理框架將人性化帶入了技術驅動和高度自動化的世界。
它建立了數據管理的最佳實踐和行為準則，超越了傳統上對系統控制的過度關注。它確保數據管理的合規性、安全性和法律領域得到一致和全面的應用。
更好、更快速的洞察
數據治理實施練習有助於簡化和組織企業資訊。這樣的組織不僅可以提高數據本身的品質，還可以帶來更好、更快的洞察力。
通常，業務數據的分散式、不規則性、不一致性和多樣性使得難以提取結論性的見解。生成業務報告的過程需要數小時甚至數天的時間並不罕見，這僅僅是因為在數據得到有效利用之前必須進行格式化和協調。
資訊治理強制進行數據整合和集成，從而加快了洞察的提取速度。
更好的協作
一個企業可以擁有優秀的員工。但是，擁有優秀的員工並不一定能轉化為有效的部門。單個有效的部門並不總是轉化為一個有效的組織。部門之間的協作越好，組織整體工作產出的品質就越好。
實施數據治理計劃意味著打破部門之間的壁壘，並鼓勵採用協調一致的數據處理方法。即使推出數據治理框架的過程已經完成，已建立的協作管道以及部門之間的友情也可能會在很長一段時間後繼續存在。
此外，高數據品質和整個企業數據的一致處理將消除許多以前存在的摩擦點。
增加數據價值
直到最近十年左右，企業才開始重視數據作為商業資產的地位，與建築、汽車、現金和員工一樣。然而，業務數據的價值在於它能夠有效地推動企業實現其戰略目標。
數據治理框架提高了數據的質量，從而使數據更像是公司的資產。
降低成本
治理和管理不善的數據會以多種方式增加業務成本。不明智的戰略、部門間的衝突、有缺陷的模型、錯誤的產品開發和糟糕的計劃是低品質數據引發決策的不同方式的例子，最終使公司付出沉重的代價。
資訊治理提高了業務數據的質量，從而消除了企業本來會產生的不必要的費用。
選擇數據治理工具
資訊治理並不完全與技術有關，但如果不依賴IT系統，幾乎不可能以任何有意義的方式實施數據治理。畢竟，如今的大部分企業數據都是以電子形式保存的。有許多資訊治理工具可供選擇。它們的成本和功能差異很大。
除了查看預算等基本考慮因素外，您還必須注意幾個方面，以確保選擇最合適的數據治理技術。其中包括可擴充性、與現有系統的相容性、客戶支援品質以及以前用戶的評論。
結論
實施數據治理框架不是一次性完成的。相反，這是一個複雜而長期的過程。這意味著隨著時間的推移，參與者和利益相關者可能會失去熱情。為了使專案更加令人興奮和相關，建議您應用專案管理的敏捷方法。
因此，將計劃分解為工作故事，然後確定最優先的故事。在敏捷工作流中以反覆運算方式運行這些優先順序案例，直到它們滿足資訊治理框架的期望。當你完成一些工作故事時，接受新的故事。這樣一來，治理計劃就會變得可控且有限。
關鍵業務驅動因素將決定哪些故事和數據需要最高優先順序。例如，如果數據治理計劃的驅動因素之一是確保對醫療保健信息的保護（符合 HIPAA 和 GDPR 等法規），那麼一個工作案例就是在捕獲、存儲、傳輸和使用過程中保護患者數據。
數據治理委員會應確保在計劃開始時向營業單位負責人和其他利益相關者提出所有正確的問題。這確保了專案在正確的基礎上起飛，並清楚地瞭解治理的現狀和計劃的最終目標。
