在本系列的第一部分中，我们定义了数据治理，并研究了导致大规模清理项目的失误。在这篇文章中，我们将研究常见的数据治理模型，以及哪些模型最适合不同类型的组织。

没有一个单一的数据治理模型适合所有的组织。在当今的商业中，各种各样的模式被普遍采用，有些更适合小型或大型组织，有些更适合各种结构或业务需求。让我们看一下四种最常见的数据治理模型：

这种数据治理模型的特点是单个业务用户维护自己的主数据。此模型确保数据由本地用户创建，这些用户通常是主数据的使用者。

用户、好处和注意事项：最适合小型组织，如单个工厂或单个公司提供更简单的数据维护设置主数据需要很大的灵活性没有与其他业务部门共享的主数据提供较短的主数据生命周期

而此模型更简单，可以更快地设置主数据，除非管理得当，否则用户也可以看到数据中的巨大不一致。以下策略和策略有助于确保此模型有效工作：

明确地定义数据所有权，并将此限制为组织内的少数专家确保清楚地记录如何填充每个字段以及每个字段的每个值的含义如果预算允许，自动化工具可以控制数据的一致性建立控制和审计，以快速解决任何不一致的问题将数据治理组织的角色限制为构建流程和过程以及执行定期数据审核

此模型的特点是单个业务用户维护自己的主数据。在这种情况下，我们有多个业务部门与共享的客户、物料和供应商合作。

用户、好处和注意事项：

最适合中小型组织，涉及多个工厂和/或多个公司提供更简单的数据维护设置主数据需要很大的灵活性允许与其他业务部门共享主数据提供了较短的主数据生命周期

如前所述，虽然此模型更简单，有助于加快主数据设置，但当涉及多方时，它也会导致数据不一致，云的服务器，大数据资源，产生深远影响。有一个明确的需要控制这种模式，因为非常常见的副作用，如重复的主数据和不一致的数据，导致不一致或无意义的报告可能会变得麻烦。为了使该模型有效地工作，关键是：

利用自动化工具，确保数据的一致性-独立于谁创建主数据限制维护的字段数量，并基于各种自定义配置文件派生其余字段确保清楚地记录如何填充每个字段以及每个字段的每个值的含义建立控制和审计，以快速解决任何不一致的问题确定对部门和业务单位有影响的受控字段，然后对维护这些字段的人员实施严格控制，并明确定义每个字段的含义数据治理组织的作用不应局限于建立流程和程序以及执行定期数据审计，但还应包括拥有自动化工具并使其适应业务需求

第三种模式的特点是单个或多个业务部门集中维护主数据。在这种模式中，一个中心组织负责根据主数据使用者的请求建立主数据。

用户、好处和注意事项：最适合于具有多个工厂和/或多个公司的大中型组织带来复杂的数据需求支持更长的主数据生命周期、更长的产品生命周期以及与客户和供应商的长期关系涉及许多法律问题，必须根据政府法规等外部因素及时更新允许与其他业务部门共享主数据需要一个更大的系统环境，并且需要将主数据分发到各个系统

这种模式可以确保对主数据的高水平控制，但它的特点通常是设置主数据的延迟，并且需要一个正式的、更大的数据治理组织。同样，在这个模型中，创建的主数据很可能是一致的，并且引入更改和流程改进的速度更快，因为设置主数据的用户数量有限。为了改进模型，组织应：

建立自动化流程，云免费，以提供主数据维护流程的透明度和可见性为不同的主数据请求建立KPI，并确保数据治理组织的规模根据需求进行扩展确认业务和主数据团队之间进行了有效的沟通，以确保主数据规则适应业务和产品的变化数据治理组织的作用不应局限于过程和程序，还应包括主数据的维护，包括流程调整以满足业务需求

最后一种模式的特点是由一个集中的治理机构定义控制框架和单个业务创建其主数据的各个部分。

用户，优点和注意事项：

最适合拥有多个工厂和/或多个公司的大中型组织带来了复杂的数据需求，但在创建主数据时需要灵活性支持更长的主数据生命周期、更长的产品生命周期以及与客户和供应商的长期关系涉及许多法律问题，必须根据政府法规等外部因素及时更新允许与其他业务部门共享主数据需要一个更大的系统环境，并且需要将主数据分发到各个系统