启动并运行数据治理程序似乎是一项艰巨的任务。在底特律11月的一次会议上，两个数据治理团队向听众提供了他们的建议，包括三个传统的项目阶段，以实现最佳绩效：1成形不要浪费时间——当开始一个数据治理程序时，大数据培训班哪个好，将尽可能多的数据加载到一个数据湖中是很有诱惑力的。然而，最好是有选择性地选择一些有价值的项目，这样可以更容易地展示商业价值。尽早制定标准——尽早制定标准将使推出更加顺利，并减少有关条款、流程和定制的耗时辩论。关注数据质量——对数据湖的热情可能会在早期导致发布数据而不太关注数据沿袭或元数据。确保所有发布的数据从一开始就被记录在案。一刀切不是万能的——在没有首先检查该方法在组织的特定环境中的工作情况之前，不要从其他公司导入流程、分类法或其他实践。该解决方案是否符合现有的数据治理方法、文化和业务需求？协作——与业务合作伙伴接触，让他们尽早参与数据治理项目。帮助他们理解it对团队的价值。寻找数据治理可以让他们的生活更轻松的方法，大数据解决，例如，报告。教育业务–业务用户将同时面临许多变化，从学习新的方法来思考数据资产，到这种新方法产生的跨业务协作。教育业务用户，帮助他们更好地了解如何与这个新的生态系统打交道。2暴风雨保持简单——随着数据治理项目的发展，保持对业务用户保持简单的关注。复杂性将降低采用率。建立内部流程–记录有助于标准化流程，确保用户以同样的方式参与。拥有文档也有助于提供解决方案，并缩小支持团队的工作范围。 确定潜在定制的业务价值——当业务带来定制时，看看请求的业务价值是什么。如果业务价值较低，则考虑其他方法。全球化思考，本地应用定制——当考虑定制以解决特定挑战时，广西大数据，退一步，探索定制如何解决整个业务中的其他挑战。然后创建一个定制来解决更大的用例组。团队的内部一致性——随着团队的成长，一定要保持数据治理团队内部的一致性。例如，让数据管理员向业务部门报告是一个好主意，但是通过定期召开会议和收集反馈意见来授权他们是很重要的。 三。标准化学习如何讲述故事——在谈论数据治理给组织带来的价值时，一定要描述业务用户如何使用数据的"之前"状态，物联网大赛，以及数据治理团队执行的工作以及最终结果。为您的受众构建–当数据治理团队遇到问题时，啥叫大数据，在寻求解决方案时，考虑数据治理团队和业务部门的观点非常重要。此外，还可以解决企业使用数据的具体挑战，以展示数据治理如何提供价值。自动化实现了可扩展性—查看数据治理过程中自动化的可能性。如果自动化项目不是第一阶段的一部分，那么它应该是Collibra采用的第二阶段的一部分。自动化使实现规模更容易。 创建一个变更管理流程——有一个常规的流程来管理数据治理中的变更，可以让团队更容易地实施新的计划，让企业保持参与，因为他们知道从变更过程中会得到什么。沟通——建立与企业沟通的常规模式。例如，创建模板化的每月新闻稿，更新数据治理团队活动的业务，并指示未来的进度时间表。传播信息有助于改善与企业的对话。  开始表演启动数据治理计划是整个组织都需要参与的一项重要任务。这些来自数据治理团队的见解在他们的旅程中已经取得了一定的进展，强调了团队内部和整个组织内的有效协作对于成功是多么重要。要了解数据治理计划中的最佳实践，请探索Collibra可以提供的社区、解决方案和服务。  错过我们的纽约会议吗？看看我们的回顾。