数据治理不是一个人的表演

简介: 数据治理在组织中并不是独立的孤岛——它必须与企业治理保持一致,并受企业治理的驱动。

数据治理在组织中并不是独立的孤岛——它必须与企业治理保持一致,并受企业治理的驱动。

当在组织中构建数据治理时,一定要记住,该程序旨在成为管理、处理和保护公司数据资产的监督和责任的可行框架。绝不能让程序使用者觉得这是一种官僚主义或阻碍。它应该交付有利于组织操作文化的一致同意的模型,提供关于谁可以用数据做什么以及通过什么方式做什么的清晰说明。

数据治理是将高质量的、可信的、安全的和可发现的数据提供给组织中正确的用户的关键推动因素。促进和推动负责任和合乎道德的数据使用,同时帮助建立和培养卓越数据的组织文化。

一 概述

挑战

组织内的数据量正在以指数级的速度增长,这就需要采用一种正式的方法来治理数据。然而,许多组织仍然不知道如何有效地管理他们的数据。

全面的数据治理应该定义与数据使用和处理相关的领导、问责和责任,并由良好运作的模式和相关政策和程序支持。这将有助于确保通过正确的机制,在正确的时间将正确的数据传递给正确的人。

障碍

组织面临着各种挑战,包括不断变化的数据环境、不断发展的业务模式、行业中断、监管和合规义务,以及不断变化和成熟的用户环境和数据需求。

尽管对数据治理程序的需求通常是显而易见的,但是当组织的数据治理工作没有直接与交付可测量的业务价值相一致时,他们就会错过目标。计划应该支持关键的战略计划,以及价值流及其潜在的业务能力。

方法

信息技术建立和维持有效数据治理的方法植根于组织价值流及其业务能力与关键数据治理维度和计划的紧密结合。组织应:

※使数据治理与企业治理、业务策略和价值流保持一致,以确保程序交付可测量的业务价值。

※了解当前的数据治理能力,以便构建一个合适和相关的未来状态。

※定义数据领导、问责和责任。用有效管理变革和沟通的运营模式来支持这些,并培养卓越的数据文化。

二 数据的战略价值

通过利用数据推动智能化和变革性的组织绩效。

※应对行业的颠覆者

※优化客户服务方式

※开发产品和服务以满足不断变化的需求

※管理运营降低风险

对于任何决定如何使用数据的组织来说,数据治理都是必不可少的。

数据治理是跨企业的数据资产的决策权、职责和责任的支持框架。

数据治理是:

根据一致同意的模型执行,该模型描述了谁可以使用什么信息、何时和使用什么方法采取什么行动。

真正的业务-IT协作将提高数据的一致性和信心,以支持决策制定。这反过来又有助于推动创新和增长。

三 数据治理的组织驱动因素

数据治理角色:

一致性:建立数据治理以满足法规和遵从性需求。

有效性:建立数据治理,以推动数据驱动的决策制定,以驱动业务价值,管理和降低业务风险。

数据治理不是一个人的表演。

※数据治理需要一个领导者和一个组织。定义谁将领导、驱动和指导组织中的数据治理。

※高级执行领导在支持数据和数据治理的价值并使其可见性方面发挥着至关重要的作用。这对于建立和培养卓越数据文化至关重要。

※有效的数据治理伴随着业务和IT的对齐、协作,以及围绕数据领导、所有权和管理的正式定义的角色。

四 健康的数据文化是增强数据威力的关键

数据驱动的文化=“数据对我们公司很重要”

数据素养是数据驱动文化的重要组成部分。

※在数据驱动的文化中,决策是基于数据证据,而不是直觉。

※数据往往具有未开发的潜力。数据驱动的文化建立工具和技能,建立用户对数据状况和数据来源的信任,并提高前线人员的数据技能和理解。

※构建数据文化需要不断地投入时间、精力和金钱。如果没有基层的数据素养,这项投资将无法实现想要的转变。

尽管在数据主动性方面进行了投资,但组织仍背负着高水平的数据债务。

数据债务是“与企业中数据资产的次优治理相关的累积成本,就像技术债务一样。”

五 衡量成功以展示有形的业务价值

不要让测量成为事后的想法: 随着数据治理程序的建立,尽早开始证实将如何衡量成功。

将数据治理放到业务环境中:

将数据治理及其计划的价值与所启用的业务能力联系起来。

利用这些业务能力的KPI来展示有形和可衡量的价值。使用能引起高层领导共鸣的术语和语言。

六 建立一个合适的路线图

制定一个可操作的路线图,该路线图大小合适,可以在您的组织中交付价值。主要注意事项:

※在构建数据治理路线图时,请确保从企业的角度进行。注意其他可能需要相应地调整数据治理里程碑的计划。

※在制定计划时,除了考虑其他可能正在进行的、需要数据治理合作伙伴投入时间和精力的大型项目或启动之外,还要注意那些更常规但仍然要求很高的计划。

※制定路线图时,要考虑公司的财政周期、典型的或潜在的年终需求、月度/季度报告周期和审计等因素。诸如此类的计划很可能会占用交付数据治理里程碑的关键人员的时间和精力。

相关文章
|
8月前
|
存储 SQL 分布式计算
数据治理手稿
数据治理手稿
|
数据采集 存储 SQL
证券机构数据治理实践,实现数据的“管、 治、用”
许多证券机构在推进数据治理的过程中,仍然存在数据治理驱动力不足、缺少数据治理体系规划、数据认责体系不完善、数据质量难提升等诸多问题,数据治理亟须快速提升。为充分发挥数据的资产价值,通过梳理证券期货行业监管大数据治理的需求与特殊性,对证券期货行业的大数据治理体系搭建,包括构建证券期货行业数据模型、搭建公共数据平台、建设数据服务体系以及构建组织保障体系等方面。
268 0
|
人工智能 监控 算法
情指勤一体化情报指挥实战平台建设,合成作战系统开发
情指勤一体化情报指挥实战平台以媒体融合通信、多维大数据为基础,整合各类警务设备、信息资源,基于一张指挥超级地图,运用多种AI算法引擎,通过高分辨率大屏、电脑作战屏、前指作战屏、单兵作战屏等多屏联动模式,实现对综合勤务调度、警情指挥处置,情报分析研判等情指勤业务的一体化保障。
381 0
|
数据采集 数据可视化
智慧公安情报研判分析系统开发,合成作战平台建设
智慧公安情报研判分析系统是集基础信息采集、情报信息研判、数据查询、从底层数据采集到高端研判应用自上至下贯穿整个公安局情报信息化业务。实现了情报信息即时研判。进一步实现了情报导警务。建立健全情报信息收集、研判机制,形成全警采集、全警录入、专人管理的情报工作格局,大限度地扩充情报信息资源。实行分层分级研判。
366 0
|
数据可视化 大数据 调度
公安合成作战系统开发方案,大数据可视化分析平台建设
公安合成作战是指多个警种在统一的组织指挥下,为执行某项特定的任务,发挥各自的特长和优势,组合成为一个新的整体而进行的一种作战模式,该模式可实现信息的快速收集、分析、共享、流转及相关业务的综合应用,发挥各警种合成的整体效能,可在有限警力条件下实现快速反应、精确打击。
233 0
|
前端开发 大数据
智慧公安情报智能研判分析系统开发,合成作战平台建设
智慧公安情报智能研判分析系统是建立完善的情报信息收集和判断机制,形成全警收集、全警输入、专人管理的情报工作模式,最大限度地拓展情报信息资源。实施分层分级判断。对情报信息进行总结分析,评估形势,预测趋势,打破传统警察模式的警察理念和机制,让警察真正耳目一新,提高准确打击、准确防控、积极服务的能力。
336 0
「镁客早报」夏普分拆半导体业务;教育部要求高校组织开展基因编辑相关研究项目自查工作
财富网公布2018年度最具影响力创新公司;科学家首次正式量子通讯优于传统信息传输方式。
417 0
「镁客·请讲」观远数据苏春园:“人、货、场”之外还需有“脑”,打通各环节让决策更智能
苏春园表示,过去的实体零售是“粗放”状态,它们需要学会用数据“精耕细作”。
727 0
马云呼吁“像治理酒驾一样治理假货”入选“年度质量事件”
国家质检总局检验司副司长刘世远点评,“一年以来打击假货的案例显示,‘像治理酒驾一样治理假货’在全社会取得了前所未有的共识。希望今后有越来越多的力量参与到打假事业中来。”
1312 0