这篇博文最初出现在BI&Analytics会议网站上，企业应用开发平台，并在获得他们许可的情况下在此转载。如果你有空的话，我很乐意见到大家。

随着部门可视化工具（如SAP Lumira、Tableau、Qlikview、Power BI等）的大量采用，数据治理的关注点正在升温，因为各组织都在竞相确保进入这些工具的数据是干净、一致和正确的。虽然解释数据治理很容易，但将其落实到位通常并不容易。

数据治理是组织为确保高质量数据在整个生命周期中存在而遵循的一个定义过程。数据治理的重点领域包括可用性、可用性、完整性和安全性。

那么，我们为什么需要数据治理呢？因为没有它，德国云服务器，我们就不能成为一个有效的数据驱动组织。错过上面强调的任何关键重点领域都会严重暴露您的组织。

可用性–我真的觉得我不必让这个特定的受众了解数据可用性的重要性。如果这不重要，我们都失业了。可用性——随着数据在人们个人生活中使用的增加，满足业务需求的门槛越来越高。我不想这么说，云的服务器，但人们希望与他们的工作数据进行交互，就像他们与直观的社交媒体网站进行交互一样（我不是在看你，Snapchat）。正直——想象一下，告诉100个人他们因为缺少预算而失去了工作，然后意识到这只是会计部门的一个胖子在摸电费单。安全性——你可能无意中暴露的数据（HIPAA、PCI、工资单等）没有尽头，这些数据可能会让你被炒鱿鱼和/或被投入监狱。小心点，伙计们。

既然我们知道为什么我们需要数据治理，学习大数据，它实际上是什么样子的？

我们需要一个单一版本的真相。虽然供应商从20世纪就开始对此进行营销，但对于大多数组织来说，这仍然是一个巨大的痛点。不同的分析会得出不同的结论，但我们至少需要努力确保每次分析开始的数据是正确的。业务所有者必须拥有数据管理员角色。它需要正确地启用它们，但我们不一定知道特定的费用需要映射到特定的帐户。这是一个商业决定，他们需要为此负责。我们的治理必须透明。几年前，当我意识到两种类型的透明度对于治理过程是多么不可或缺时，我有了一个真正的闪光点。首先，这些指标必须在整个企业中得到充分的记录和一致性——仅仅掌握部落知识是不够的。其次，您应该能够从高级度量一直深入到数字及其每个组成部分的细节，以获得对其准确性的真正认可。是关于旅行的。虽然当前的一大推动因素是使用机器学习来分析数据，而不需要任何人手，大数据好就业吗，但事实是，在每个新指标上经历描述性>预测性>规定性的生命周期对您的组织来说确实有价值。虽然阅读这本书最后一页的想法很诱人，但你错过了很多信任、友情，以及通过经历这一过程来真正了解你的业务的机会。

我想指出的最后一点是，数据治理是关于人的——了解如何使用数据的强大分析师，会推动业务发展的强大领导者回到过去，他们得到了一份与企业仪表盘不一致的电子表格，以及强大的数据管理人员，让所有这些都结合在一起——不仅仅是技术。幸运的是，您可以在2018年BI+分析会议上听到这两个消息。

希望在亨廷顿海滩见到您（也希望您能与Derek Loranca和前成员一起参加我的小组讨论）。