2020年及以后的数据治理

当涉及到数据治理时，公司的注意力持续时间很短。即使是有持续项目的组织，新法规、项目或数据和分析投资的持续推动和拉动也会造成持续的破坏。为了解决这些扩展，数据所有者要么寻找简单的方法，要么对数据治理101进行再教育。

将大数据转化为商业洞察力

企业擅长收集数据，而物联网正将其提升到一个新的水平。但是，最先进的组织正在使用它来推动数字转型。

事实是:数据治理并不简单或基本。有效的数据治理来自于数据管理的成熟度。这就是为什么，为了取得进展，组织正在招聘首席数据官，并激活战略和统一数据、分析和数据治理能力中心。设计用于管理您组织的“数据猫”的数据治理策略和过程需要经验和专业知识。

为了提高效率，您需要一个数据治理框架和与业务实践中的目标、文化和行动紧密结合的计划，而不是在业务实践之外。

不要认为低层数据治理从IT开始。数据治理既不是一个IT项目，也不是企业数据策略和体系结构模型上的一个盒子。评估数据治理计划和程序需求的正确位置与您需要移动的业务指针相关联。即使是像法规遵从这样的目标，通过数据治理计划获得“更好的”数据也应该转化为产生收入和增长的结果。例如，身份管理和偏好管理需要与隐私法规保持一致，但它们也能提高客户的理解，并从忠诚度计划和目标销售计划中获得更好的结果。因此，在处理业务风险的同时也服务于业务的好处。

文化不是数据所有权的组织模型或分配。集中式或联合式模型最好由企业模型的集中式和联合式特性决定。数据治理的目的是促进相关各方构建数据遵从性和价值的参与、支持和可持续性文化。文化解决了经验、专业知识和支持数据治理工作的能力之间的一致性，这些能力独立于并跨数据操作、模型操作、开发操作和业务操作。良好的数据行为的领导力、沟通、培训和强化，随着它们融入并融入到企业文化中，变得越来越成熟。

避免对已部署的技术和已执行的流程进行复选框评估，以确定成熟度和有效性。动作是关于与数据治理目标和业务文化相匹配的实践、服务和支持。实现和自动化策略和过程的技术部署必须着眼于近期、长期和创新视野。过程必须符合文化，并嵌入到日常的最佳实践中，最终成为业务流程的环境。