大数据项目非常流行。许多组织，跨越不同的行业，正在进行大量投资，希望找到洞察力和创造价值。但当涉及到执行计划时，大多数组织依赖于一个由数据科学家组成的团队和一个被污染的数据湖。虽然这种方法有可能取得成功，但它实质上相当于通过购买一张彩票来为退休做准备。这是高风险的，而且很有可能产生平庸的结果或完全失败。对于许多组织来说，高风险战略可以（而且通常应该）成为投资组合的一部分。然而，要让您的组织利用大数据充分发挥其潜力，您必须使战略多样化，而不是只专注于一种高风险的方法。你应该通过在整个组织中传播可用的数据和分析能力使分析民主化，这样分析的结果可以立即应用。它必须融入日常业务流程和实践中。它需要大数据治理。大数据治理听起来似乎是一个崇高的目标，但实际上并非如此。然而，它确实需要一些基础设施才能付诸实施，而且和所有的基础设施一样，它需要资金、时间和资源的投资。在宏观层面证明投资的合理性很简单（许多人使用商业案例），但是，当它的实现分散在整个组织中的许多小仓库和许多不同的人时，要做到这一点就很有挑战性。了解分析的广度和规模的方法是如何成功或失败的，这对于设计一条与您的组织、其文化和流程相匹配的数据治理路径至关重要。大数据治理的三大障碍随着企业开始走上大数据治理之路，他们发现自己可能会在这一过程中遇到障碍。虽然这些障碍因组织而异，但我发现它们通常分为三个方面：缺乏数据民主缺乏紧迫感有数据和无数据缺乏数据民主使数据的使用民主化，使任何人都能成为数据公民，这不是一个新想法。这是多年来各种数据管理方法的承诺，从数据仓库到操作数据存储，再到嵌入到业务应用程序中的分析。尽管所有这些方法都显著提高了组织使用数据的能力，但没有一种方法能够真正让专家（无论是位于中心位置还是单个业务部门）使用数据。简言之，自助服务分析的承诺实际上还没有实现，因为数据仍然被孤立在家庭系统中。在整个组织中集成应用程序是提供事务自动化的一种强大方法，但是尽管进行了许多尝试，仍然无法提供增强决策能力所需的洞察力和分析。随着数据量和规模的增长，这些"正在运行"的方法无法与它们一起扩展。缺乏紧迫感IT组织，通常是早期大数据计划的典型管理者，对于构建支持大数据治理所需的基础设施通常并不积极。从他们的角度来看，大数据计划可能已经是一个明显的胜利，因为在Hadoop集群中存储大量数据的成本要比一些专有的替代方案低得多。鉴于他们已经将此计划视为一个成功，进一步改进它的紧迫性可能会有些迟钝。另一个挑战是它不知道数据。他们是操纵数据的机器方面的专家，但数据本身只是"磨坊里的大杂烩"。知道数据的人是那些在日常工作中生产和消费数据的人。这些人，数据公民，分布在整个组织中，如果他们能够组织起来一起工作，就代表了一种强大的资源。有数据和无数据许多组织发现大数据带来了一些大的成功：团队或团队获得了分析以前从未有过的数据的能力。然而，绝大多数的组织没有看到好处，而且作为一个整体，对这个项目有一种总体上的失望感。数据科学家团队也感到沮丧，这并不是因为他们不能始终如一地进行高质量的分析，而是因为寻找和评估数据需要花费太多时间和太多的人工工作。科学家们花了60%的时间寻找他们需要的数据。这项研究还表明，这也是他们最不喜欢的任务。因此，结果是，我们有昂贵而稀缺的资源，他们一天中的大部分时间都在执行他们不喜欢的任务。不完全是成功的秘诀。显然，大数据治理之路充满了障碍。但好消息是，这些障碍可以通过正确的策略和正确的数据治理平台来克服。在我的下一篇文章中，我将开始探索您可以采取哪些步骤来打破障碍，并开始在大数据和分析方面取得成功。同时，如果您希望了解更多有关大数据治理的信息，请与我、MDM Institute的Aaron Zorens和EMC Engineering Analytics&data Lake的首席数据官Stephen Gatchell一起参加免费的网络广播，题为"数据治理：他们是驯服大数据野兽的关键"。您可以在这里注册。我希望在那里"见到"你。