博客垃圾进来，垃圾出去。这句格言从穿孔卡片和电传打字机终端就一直是正确的。今天复杂的IT系统同样依赖于高质量的数据为用户带来价值，无论是在会计、生产还是商业智能方面。然而，数据不会自动正确格式化，就像它主动告诉你它隐藏在哪里或应该如何使用一样。不，数据就是这样。如果您希望业务数据满足可用性、可用性、完整性和安全性的标准，那么您需要一个数据治理策略。一般来说，数据治理是组织的一个总体策略，以确保它们使用的数据是干净、准确、可用和安全的。来自业务部门、合规部门和IT部门的数据涉众最有资格领导数据治理，尽管这一问题非常重要，值得首席执行官关注。有些组织甚至指定一名数据治理官员来全面负责。高层次的目标是拥有一致、可靠的数据集来评估企业绩效和做出管理决策。特别的方法很可能会回来困扰你。数据治理必须变得系统化，因为大数据的类型和数量成倍增加，用户需要回答更复杂的业务问题。通常，这意味着建立获取和处理数据的标准和流程，以及确保遵循这些流程的程序。如果你想知道这一切是否值得，以下五个理由可能会让你信服。原因1：确保数据可用性即使商业智能（BI）系统看起来也不会很智能，如果用户找不到驱动它们所需的数据。特别是，自助式BI意味着数据必须足够容易定位和使用。多年来，人们听到了组织孤岛的罪恶性，但应该清楚的是，即使个别部门"拥有"数据，对这些数据的治理也必须在整个组织中以同样的方式进行。使用数据的授权可能会受到限制，就像敏感的客户数据一样，但是用户不应该忽视它的存在，因为它可以帮助他们工作。可用性也是一个拥有足够容易使用的适当数据的问题。随着当今将不同来源的非结构化数据存储在非关系数据库或数据湖中的趋势，很难知道正在获取什么样的数据以及如何处理这些数据。因此，数据治理首先需要设置数据捕获，以获取企业及其不同部门所需的信息，而不是阳光下的一切。然后，什么是云，治理还确保在存储数据时应用数据模式来组织数据，或者确保用户可以使用工具来处理数据，例如从非关系（NoSQL）数据库运行业务分析。原因2：确保用户使用一致的数据当首席财务官和首席运营官根据不同的数据集进行工作，并就同一主题得出不同的结论时，云服务器好吗，事情会变得很困难。在企业的所有其他级别也是如此。用户必须能够获得一致、可靠的数据，这样比较才有意义，结论才能得到验证。这已经是一个很好的理由，可以确保数据治理在整个组织中由具有知识和权限的执行官、经理和数据管理员组成的团队来驱动，以确保所有人都遵守相同的规则。全球数据治理举措也可能源于在部门一级改善数据质量的努力，在这些部门，个别系统和数据库没有计划用于信息共享。数据治理团队必须处理这种情况，例如，通过协调部门信息资源。数据一致性的提高意味着高管层的争论减少，对所分析数据有效性的怀疑减少，以及对决策的更高信心。原因3：确定要保留哪些数据，删除哪些数据数据囤积的风险与物理囤积的风险相同。IT服务器和存储单元中充满了无用的垃圾信息，因此很难找到任何有价值的数据，也很难对其进行任何有用的处理。用户使用过时或不相关的数据作为重要业务决策的基础，IT部门的开支激增，数据泄露的脆弱性增加。不幸的是，买云服务器，这个问题很普遍。根据Veritas data Genomics Index 2017年的调查，组织存储的数据中有33%是简单的ROT（冗余、过时或琐碎）。但事情不一定要这样。大多数数据不必保存数十年，"以防万一"。例如，零售业龙头沃尔玛仅使用最近四周的交易数据进行日常商品营销分析。仔细考虑哪些数据对组织很重要，哪些数据应该销毁，这是良好数据治理策略的一部分。数据治理还包括员工确保数据不被不必要地复制的程序，以及根据年龄或其他相关标准对数据进行系统退役（例如，归档或销毁）的政策。原因4：解决分析和报告问题数据治理中的一个重要方面是组织中度量标准的一致性，以及驱动这些度量的数据。如果没有明确记录的度量标准，人们可能会使用同一个词，但含义不同。当分析工具因部门而异时，业务分析就是一个很好的例子。自助服务分析或商业智能可以为企业带来好处，但前提是人们以一致的方式解释指标和报告。当报告缺乏澄清时，人们往往会把责任归咎于技术。然而，根本原因往往是所涉及的工具和系统的配置不正确。它甚至可能存在于错误的应用程序中，例如报告工具错误地应用于生产数据库，从而引发性能问题，这意味着事务和分析都无法令人满意地完成。从根本上拆掉和更换音响系统并不是解决问题的办法。相反，改进的数据治理带来了更多的好处、更快的速度和更低的成本。原因5：安全性和遵守有关数据治理的法律不遵守数据法规的后果可能是巨大的，尤其是在涉及个人信息的情况下。例如，2018年5月的《欧洲通用数据保护条例》（GDPR）规定，物联网企业，对于影响欧洲公民的数据滥用或违规行为，数据中国，将处以高达2200万美元或违规者全球营业额4%的罚款（以较高者为准）。有效的数据治理通过定义数据的获取、存储、备份和防止意外、盗窃或滥用的安全措施，帮助组织避免此类问题。这些定义还包括审计和控制的规定，以确保程序得到遵守。实际上，组织还将开展适当的宣传活动，以确保所有处理机密公司、客户或合作伙伴数据的员工都了解数据治理及其规则的重要性。随着用户获得自助服务解决方案的机会增加，教育和提高认识活动将变得越来越重要，这些解决方案已经固有的数据安全水平也将增加。结论如果您将数据视为一种战略资产，那么治理的想法就变得很自然了。公司的财务状况必须保持井井有条，必须进行必要的监督和审计，必须保证工作场所的安全，并遵守相关法规，那么，为什么数据——通常是一个关键的区别点和一种机密商品——会有什么不同呢？随着IT自助服务和最终用户授权的增长，良好的数据治理的重要性也随之增加。业务用户在发现趋势和做出决策方面的自主性可以帮助企业变得更具响应性和竞争力，但如果企业是建立在数据无政府状态的基础上的，则不会。有效的数据治理也是一个持续的过程。政策定义、审查、调整和审计，以及合规性审查和质量控制，都是作为数据治理生命周期定期实施或重复的。因此，数据治理永远不会结束，因为关于数据的新来源、新用途和新规则也永远不会结束。对于商业智能之类的环境，尤其是在自助服务环境中，良好的数据治理可以帮助用户以正确的方式使用正确的数据，正确地生成业务见解，并做出正确的业务决策。标签：数据分析|数据治理