数据治理是一組策略、流程、標準、指標和角色,可確保高效和有效地利用資訊,以支援組織實現其目標。簡單來說,资讯治理是一個幫助組織更好地管理數據资产的框架。
它建立了責任和流程,以確保整個組織的數據安全性和品質。数据治理明確了誰被授權採取什麼行動、對什麼數據、在什麼情況下以及使用什麼技术。一個經過深思熟慮的资讯治理戰略對於所有企業都至關重要,包括那些使用大数据的企業。
例如,公司必须知道并理解术语「客户」在不同上下文中的含义,以及在每种上下文中对该术语的理解对客户数据管理意味着什麼。
数据治理為企業帶來了廣泛的好處。這些包括:
將风险降至最低
違反業務數據的品質、安全性、隱私性、完整性、可用性和可靠性會帶來重大风险。首先,如果決策所依據的資訊不符合所需的標準,那麼組織的運作就會處於危險之中。其次,如果企業被發現違反了GDPR和HIPAA等關鍵法律,則可能會採取監管行動。第三,隨著客戶和員工開始不信任數據,公司的聲譽可能會受到破壞。数据治理通過系統地解決在數據處理不善後可能危及業務的關鍵风险來降低风险。
单一公司范围的数据理解
如今,普通组织捕获、存储和操作大量复杂的数据。这些数据是通过分佈在多个营业单位的数十个、数百个或数千个介面捕获的。对於每个营业单位来说,相对容易被吸入一个孤岛,并对其使用的数据进行自己的定义、理解和分类。这隻会导致数据切换期间的衝突或数据处理策略的应用不一致。
数据治理通過開發在整個組織中統一應用的通用術語來協調對數據的理解(即使如果營業單位需要成功履行職責,他們可能會有一些迴旋餘地)。
提高数据品质
数据驱动公司决策。低质量的数据不可避免地会导致糟糕的决策。例如,考虑一家公司的主要目标是婴儿潮一代,并且正在考虑在一个以前从未去过的城市开展业务。它需要知道的一些数据是它做出正确决定的数据是该城市的婴儿潮一代人口。如果它所依赖的数据不正确或过时,那麼使用它做出的每一个决定都将存在固有的缺陷。
数据治理創造了一個確保數據一致性、完整性和準確性的工作環境。
数据映射
在组织中创建或接收数据的介面如此之多,以至於随着时间的推移,很难清楚地瞭解公司保管的资讯。
资讯治理使企業能夠映射所有數據的位置。這使得數據资产可檢索、可用、易於集成,並更容易與戰略成果联繫起來。
始终如一的合规性
数据治理可以改善客戶體驗、降低運營成本、增加收入並提高效率。但對於許多組織來說,资讯治理計劃主要是由法规遵从性需求驅動的。企業所遵守的實際數據處理法規將因行业和司法管轄區而異。
法規和標準可能包括 HIPAA、GDPR、SOX 和 PCI DSS。對違規行為的處罰可能很嚴厲。在屢次違規的情況下,不遵守規定甚至可能導致吊銷營業執照。
改进的数据管理
術語「数据治理」和「數據管理」通常可以互換使用,但數據管理實際上是数据治理的一個子集。良好的资讯治理框架將人性化帶入了技术驅動和高度自动化的世界。
它建立了数据管理的最佳实践和行為準则,超越了传统上对系统控制的过度关注。它确保数据管理的合规性、安全性和法律领域得到一致和全面的应用。
更好、更快速的洞察
数据治理實施練習有助於簡化和組織企業資訊。這樣的組織不僅可以提高數據本身的品質,還可以帶來更好、更快的洞察力。
通常,业务数据的分散式、不规则性、不一致性和多样性使得难以提取结论性的见解。生成业务报告的过程需要数小时甚至数天的时间并不罕见,这仅仅是因為在数据得到有效利用之前必须进行格式化和协调。
资讯治理強制進行數據整合和集成,從而加快了洞察的提取速度。
更好的协作
一个公司可以拥有优秀的员工。但是,拥有优秀的员工并不一定能转化為有效的部门。单个有效的部门并不总是转化為一个有效的组织。部门之间的协作越好,组织整体工作产出的品质就越好。
實施数据治理計劃意味著打破部門之間的壁壘,並鼓勵採用協調一致的數據處理方法。即使推出数据治理框架的過程已經完成,已建立的協作管道以及部門之間的友情也可能會在很長一段時間後繼續存在。
此外,高数据品质和整个公司数据的一致处理将消除许多以前存在的摩擦点。
增加数据价值
直到最近十年左右,公司才开始重视数据作為商业资产的地位,与建筑、汽车、现金和员工一样。然而,业务数据的价值在於它能够有效地推动公司实现其战略目标。
数据治理框架提高了數據的質量,從而使數據更像是公司的资产。
降低成本
治理和管理不善的數據會以多種方式增加業務成本。不明智的戰略、部門間的衝突、有缺陷的模型、錯誤的产物開發和糟糕的計劃是低品質數據引發決策的不同方式的例子,最終使公司付出沉重的代價。
资讯治理提高了業務數據的質量,從而消除了企業本來會產生的不必要的費用。
资讯治理並不完全與技术有關,但如果不依賴IT系統,幾乎不可能以任何有意義的方式實施数据治理。畢竟,如今的大部分企業數據都是以電子形式保存的。有許多资讯治理工具可供選擇。它們的成本和功能差異很大。
除了查看預算等基本考慮因素外,您還必須注意幾個方面,以確保選擇最合適的数据治理技术。其中包括可擴充性、與現有系統的相容性、客户支援品質以及以前用戶的評論。
實施数据治理框架不是一次性完成的。相反,這是一個複雜而長期的過程。這意味著隨著時間的推移,參與者和利益相關者可能會失去熱情。為了使專案更加令人興奮和相關,建議您應用專案管理的敏捷方法。
因此,將計劃分解為工作故事,然後確定最優先的故事。在敏捷工作流中以反覆運算方式運行這些優先順序案例,直到它們滿足资讯治理框架的期望。當你完成一些工作故事時,接受新的故事。這樣一來,治理計劃就會變得可控且有限。
關鍵業務驅動因素將決定哪些故事和數據需要最高優先順序。例如,如果数据治理計劃的驅動因素之一是確保對医疗保健信息的保護(符合 HIPAA 和 GDPR 等法規),那麼一個工作案例就是在捕獲、存儲、傳輸和使用過程中保護患者數據。
数据治理委員會應確保在計劃開始時向營業單位負責人和其他利益相關者提出所有正確的問題。這確保了專案在正確的基礎上起飛,並清楚地瞭解治理的現狀和計劃的最終目標。
針對非结构化数据的 AI 驅動型數據分析
為各种公司提供备份和恢復
管理、保护和保护用户和设备
無論何時何地,將人們與內容联繫起來
通過集中歸檔滿足法規和法规遵从性標準
獲取数据治理見解,簡化策略實施,自動執行法规遵从性監視,並保護資訊從創建到銷毀的整個過程。確保數據在傳輸中和靜止時的安全
獲取洞察,保護非结构化数据,防止未經授權的訪問