干货 | 数据治理框架指南

Posted 2021-06-11 马哥说数据

数据治理不仅仅是对数据保护和控制。如果实施得当，数据治理流程不会减慢或阻止对数据的访问。相反，他们可以通过帮助企业在正确的时间以正确的格式将可信数据交付给正确的人来改善数据访问，同时确保数据隐私和法规遵从性。

数据治理在每家公司的数据战略中都发挥着关键作用。随着您的企业收集越来越多的数据，您有机会做出更好、更明智的决策，但数据增长也带来了新的挑战。随着更多数据从更多来源涌入，您的企业将失去更多控制权。无法知道不准确的数据何时或从何处进入您的系统，从而使每个人都可以访问不可信的数据，管理日益复杂的数据环境将耗费更高的成本。

这就是为什么良好的数据治理对于业务的成功如此重要，它确保有效和高效地使用信息，使企业能够实现其目标，并定义数据和人员流程，以保证整个企业使用的数据质量和数据安全性。它约定了谁可以对什么数据、在什么情况下以及使用什么方法采取什么行动，它帮助企业如何从一致、标准的流程和责任中受益。

一、什么是数据治理框架？

业务驱动因素决定了在数据治理策略中需要仔细控制哪些数据（以及控制到什么程度）。例如，医疗保健提供者的业务驱动因素之一可能是确保与患者相关的数据的隐私，要求在数据流经企业时对其进行安全管理，以确保符合相关政府和行业法规。这些要求通知提供者的数据治理策略，成为其数据治理框架的基础。

精心规划的数据治理框架涵盖战略、战术和运营角色和职责。它可确保数据在企业内受到信任、记录良好且易于查找，并确保其安全、合规和保密。

该框架提供的一些最重要的好处包括：

· 一致的数据视图和业务术语表，同时为各个业务部门的需求提供适当的灵活性

· 确保数据准确性、完整性和一致性的计划

· 了解与关键实体相关的所有数据位置的高级能力，使数据资产可用且更容易与业务成果联系起来

· 为关键业务实体提供“单一版本真相”的框架

· 满足政府法规和行业要求的平台

· 可在整个企业中应用的数据和数据管理的明确定义的方法论和最佳实践

· 易于访问且保持安全、合规和机密的数据

二、数据治理框架示例——传统方法

建立数据治理框架的传统方法有两种：自顶向下和自底向上。

自上而下的方法采用集中式方法进行数据治理。它依赖于一个小型数据专家团队，他们采用定义明确的方法和众所周知的最佳实践。这意味着数据建模和治理是优先考虑的，只有稍后才能将数据更广泛地提供给企业的其他人员以用于分析。

然而，这会产生巨大的可扩展性问题。在这个框架中，数据提供者和数据消费者之间有明显的区别，只有前者有权对数据进行任何形式的控制。在过去，这不是一个问题，因为需要治理的数据量较少，需要访问数据的团队也较少。但是今天，这些小数据管理员团队无法满足数据消费者的需求。有太多的用户向这些团队提出了太多的管理请求。现在的业务要求是让所有需要的人随时随地使用干净、完整且不妥协的数据。

相反，自下而上的方法允许在管理数据时更加敏捷。自上而下的方法从数据建模和治理开始，而自下而上的方法从原始数据开始。摄取原始数据后，可以在数据之上创建结构（称为“读取模式”），并可以实施数据质量控制、安全规则和策略。

这种随着大数据的出现而流行的框架比集中式方法更具可扩展性，但它产生了一系列新问题。因为数据治理要到流程后期才会实施，而且因为任何人都可以不受控制地输入数据，所以治理更难建立。正如我们已经讨论过的那样，缺乏数据治理会导致风险增加、数据管理成本增加以及越来越难以控制的压倒性数据蔓延。

我们需要的是一种数据治理框架的现代方法——一种在流程早期建立控制但不牺牲用户成为数据所有者和管理者的能力。

三、协作数据治理框架模板——现代方法

协作数据治理框架就是要平衡自上而下和自下而上的方法。该框架认识到，作为一个团队来处理数据对于成功至关重要；否则，验证数据可信所需的工作量将是巨大的。

协作框架允许企业中越来越多的人引入越来越多的数据源。为了保持数据治理的可扩展性，必须为协作内容管理建立明确定义的原则。这些原则可确保可扩展性，而不会影响对内容的定义信任级别。

通过建立这些数据管理原则，只要遵循标准，任何人都可以进行协作，并且企业可以让整个企业参与到将原始数据转化为可信任、记录和准备共享的数据的过程中。

当然，仍然有一些受到严格监管的业务流程，其数据元素需要特别注意。例如，金融服务中的风险数据聚合或消费者信用卡信息等数据可能不是这种方法的最佳候选者。在这些情况下，协作框架可以补充而不是取代自上而下的方法。企业的数据治理团队应该定义哪种数据治理模型适用于这些类型的情况。

四、使用数据治理成熟度模型衡量成功

数据治理是一段旅程，而不是终点，为了确保其成功，需要有一种方法来衡量其进展并确定需要改进的领域。

企业在成为受数据驱动的公司时所经历的三个成熟度级别是：

1. 数据集成：应用集成、数据集成、数据加载

2. 数据完整性：数据准备、数据管理和数据质量

3. 数据智能：数据编目、数据沿袭和元数据管理

由于企业需要可信数据来授权数据用户、改善客户体验并自信地做出决策，因此数据质量必须成为任何数据治理计划的核心组成部分。企业在此成熟度曲线中越深入，它就越能利用强大的技术，如数据分析和数据匹配与机器学习。更好的定位是从所有数据资产中获得最大价值，同时保持对数据的必要控制和信任水平。

五、释放数据治理框架的全部潜力

数据治理不仅仅是对数据保护和控制。如果实施得当，数据治理流程不会减慢或阻止对数据的访问。相反，他们可以通过帮助企业在正确的时间以正确的格式将可信数据交付给正确的人来改善数据访问，同时确保数据隐私和法规遵从性。

亿信华辰的数据质量、数据和元数据管理以及数据治理工具功能强大且易于使用，可让您快速有效地满足您的数据治理需求。