无论大小，数据都有推动创新和改变企业的力量。如今，零售商正在利用行为数据为消费者提供个性化的购物体验，银行正在分析购买活动以发现和防止欺诈行为，医疗保健公司正结合患者和社会数据来推进精准医疗。尽管如此，许多寻求充分挖掘数据潜力的企业仍面临挑战。让数据发挥作用比它应该做的更困难。数据复杂性如今，物联网、社交媒体、物联网无处不在。很多都是非结构化的。组织内部的业务数据比以往任何时候都更加复杂和多样化。而来自组织外部的数据流（尽管很有价值）也带来了新的隐私和法规遵从性难题。换句话说，你今天的数据比五年前更具挑战性。即使是专家级的数据用户也很难找到并信任适合他们需要的数据。业务用户—可以说是做出关键决策以推动企业向前发展的人—很难访问、理解和信任数据。一段时间以来，企业一直在引入自助式商业智能工具，试图缩小这一差距。但是，如果用户不信任他们找到的数据，无法理解它的含义，也无法洞察其来源，那么这些数据很可能会保持原样：停滞在一个非常昂贵的数据湖中。数据治理推动更好的分析将数据投入工作需要企业范围内的查找、理解和信任数据的能力。这需要良好的数据管理。为什么？数据治理为您提供了一种系统化的方法来管理数据及其可用性、可用性、完整性和安全性。数据治理帮助组织提高数据的可用性、质量和价值。对于用户来说，良好的数据治理使数据透明和可用，从而建立信心和信任。开始使用定义关键数据集从关键数据开始对有效治理至关重要。关键数据通常包括来自企业的一些结构化信息，但在当今世界，诸如聊天日志、Facebook数据、Twitter提要和传感器数据等内容对于新的增值流程和活动往往至关重要。自动化手工处理无法跟上当今数据的多样性和广度。随着数据的不断扩展，自动化数据治理可以帮助您在整个企业中维护策略。通过自动化，您可以轻松地跟踪数据历史、沿袭和所有权，并跟踪将来对数据标准和策略所做的任何更改的影响。别忘了管理你的分析数据治理方法以及自动化它的系统应该能够灵活地捕捉分析的所有方面的信息，从映射/减少作业到可视化。建立数据治理团队一个强大的数据治理委员会应该包括来自整个组织的首席数据官和执行发起人。数据管理员和主题专家也必须有权不断扩充、改进和增强数据及其信息。如果没有数据治理，新的数据举措可能会引发一大团麻烦：误导性数据、意外成本和违规风险。数据治理是用于设置数据使用策略和实施控制的框架，旨在确保信息保持准确、一致和可访问。它使组织能够向其用户提供一组信息，使他们能够利用其数据的力量。