当涉及到数据治理和数据管理时，常用的参考数据至关重要。那么究竟什么是参考数据？对于金融服务行业，这可能意味着标准国家代码、货币代码、数字代码、产品代码等。对于医疗保健和制药行业，这可能意味着与ICD9、ICD10、专业、药物等相关的代码/代码集。但总的来说，参考数据是一组或一系列行业标准代码值，在整个组织中用于多种目的，主要是报告和分析。参考数据通常由业务和IT部门管理，以确保其一致、准确地表示组织的核心业务实体，包括客户、产品、公民、供应商、站点、层次结构、科目表等。适当管理参考数据有很多好处，例如，我在Twitter上表达的观点：传统上来说，参考数据通常是孤立的，这意味着它分布在多个系统和应用程序中，没有单一的整体视图来显示核心业务实体和不同参考数据表示之间的联系。这会导致不一致，用户很难理解什么代码适合什么目的，什么系统使用什么代码/代码集。而且，它还需要大量的手动硬编码，即将代码值与有效的业务实体链接起来，这些实体最终会生成有价值的报告，容易受到决策失误的影响。为了解决这个问题，组织从实现主数据管理（MDM）解决方案开始。这个想法是合理化来自多个系统的参考数据，并创建一个单一的真相来源。尽管MDM解决方案擅长将所有参考数据放到一个地方，但它们无法提供关于管理更改的控制和协作。这些变化可能来自不同的源系统、应用程序或手动发明。一次被咬，两次害羞…那么，我们先从MDM开始吗？不！为什么？因为如果没有适当的所有权和控制权，MDM可能会有问题。用户、系统和应用程序所做的更改很难跟踪，这将导致数周的工作量，只需弄清楚在哪些系统中对哪些数据进行了哪些更改。老实说，这是一个永无止境的循环。吸取了惨痛的教训，许多组织现在都意识到数据治理是实现MDM的圣杯。我会更进一步，你可以引用（或推特！）我稍后说"没有数据治理就没有MDM"，让我解释一下。没有datagovernance就没有主数据管理（#MDM）点击推特数据治理提供了一个正式的过程来定义围绕数据的管理和控制，这是对MDM解决方案的极大补充。这样，组织就可以围绕参考数据建立一个控制点。也就是说，围绕代码值或代码集发生的任何更改都要经过一个结构化的过程，在需要的时候需要合适的人参与。这可以在Collibra这样的应用程序中实现，Collibra是一个领先的专门构建的数据治理平台。对于许多组织来说，Collibra是一个权威的资源，用于提出代码/代码集，通过审批工作流管理更改，并在需要时让其他用户进行协作、投票或评论。这就产生了信任元素，重要的是建立了主人翁意识，这导致采用最佳实践，即使用值得信任并得到关键利益相关者批准的数据。因此，结束了获取参考数据通用性的斗争。那么，你在你的组织里是怎么做到的？