谈谈现代环境下的数据治理之路

简介: 自助数据消费者的需求,敏捷实践的价值与数据治理的传统实践之间存在着天然的瓶颈。

   序言

   自助数据消费者的需求,敏捷实践的价值与数据治理的传统实践之间存在着天然的瓶颈。传统治理的复杂性和严格性与敏捷分析的敏捷性和速度相冲突。决策权和政策执行抑制了自助服务的基本自主权。自助服务分析通常是迭代的、探索性的、面向发现的,并且与严格的变更管理过程不兼容。这些只是文化和客观执行上的两个数据相关领域之间冲突关系的几个例子。

   我们需要对数据治理围绕数字经济新形势进行改造,以减少对流程的关注,并更多地面向人。现实情况是我们不控制数据。我们控制人在处理数据时的行为。在人的层面上,必须进行许多优化。我们需要更改与策略、复杂性、决策和严谨性相关的治理实践,从而将数据治理从控制组织转变为服务组织。大多数数据驱动型组织都同意这些观点。真正的挑战是如何实现它。本文提供了一个框架和一些指南,以帮助创建现代数据治理的路线图。

   一、新时期数据治理框架

   下图所示的数据治理框架清楚地表明,新时期的数据治理并不容易快捷。这是一个过程,而不是一个事件。数据治理包含许多部分,而规划对于新时期、新环境的至关重要。其中包括六大部分:

   ■目标描述了管理数据的原因。没有目标,治理就缺乏实现价值并与业务目标保持一致所需的重点。

   ■方法描述了如何管理数据。预防,干预和强制执行所需的政策和指南,预防是主要方法。解决数据伦理问题时,指导道德判断的行为准则是一种重要的治理方法。策划和指导是帮助人们遵守政策和做出良好判断的辅助方法。

   ■人是数据治理的核心。现实情况是我们不控制数据。我们控制人在处理数据时的行为。必须考虑所有人员,包括发起人、所有者、数据管家、数据专家、消费者和数据涉众。利益相关者的范围可能非常广泛,包括可能不会立即显现的个人,例如内部审计师和风险管理者。

   ■流程是为获得特定结果而采取的一系列操作–解决问题、协调变更、确保数据质量、对数据集进行分类以及衡量和监视数据治理影响。

   ■技术在数据管理中扮演着多种角色-数据提取、数据分类、数据准备、数据分析和数据管道管理。这些技术中的每一种都提供一定程度的数据治理功能。

   ■文化建立了行为规范,以创建一个环境,在此环境中,数据治理、敏捷项目以及自助数据分析和报告可以协同工作而不会发生冲突。

80f80024ea5d8b37fed3e6e59d1e9dd6.png

   该框架有六层,它由39个组件组成。这些组件中的每一个都需要作为新时期的数据治理的一部分加以解决。使用该框架作为结构来分析新时期、新环境的需求,并对新环境下的项目和活动进行优先排序。

   二、新时期的数据治理路线图

   我们要分析每个框架组件的当前状态和未来的目标,以确定需要做哪些特定的事情来发展数据治理程序。下图显示了从基于框架的分析得出的活动的示例。右边的列表显示了新时期的数据治理常见活动。请注意将活动连接到框架中各层的颜色编码,并将活动从中得出的计划问题连接到颜色编码。

6b4f59e583c691ca7743a643c6252b3b.png

   请注意,活动的最长清单是与人相关的。这是很典型的,因为让所有合适的人以正确的方式参与进来,对于数据治理的成功至关重要。流程和方法列表并列第二 。人员、流程和方法是有效数据治理的核心。

   下图的示例说明了一个策略,我们选择了活动的一个子集而不是全部来进行初始规划。这里的颜色编码是不同的,然后将活动映射到项目。为了使新时期的数据治理易于管理且切实可行,重要的是要有意识地决定不做什么。选定的活动是根据相关性来组织的,它们看起来融合在一起,并且作为一个项目有意义。它们也是有组织的并基于依赖关系,按什么顺序执行是有意义的。请注意,单个项目中的活动不一定全部来自框架的同一层。例如,绿色的底部序列包括来自文化层的两项活动,一项来自方法层的活动,以及一项来自人员层的活动。

1c71dd279a652922d0755ac7fcae0713.png    一旦将项目定义为活动序列,路线图的下一步就是将它们绘制在时间线上,见下图。请注意,除了上图中标识的四个项目之外, 还添加了第5个项目。在时间线上绘制项目时,我们意识到在过程中尽早吸引合适的人很重要,因此增加了项目2。这为新时期数据治理的过程建立了活动和时间安排的高级路线图。

8cdb40f3f7065e0c96c7bd31290de687.png

  当然,该路线图应该是一份全生命周期管理的文件,可以根据需要进行更改的计划。此示例绘制为年-季度-月的时间表。理想情况下,该路线图每季度重新审核一次,以识别和调整需求、优先级、时间表或其他因素的变化。

   三、现代化的数据治理势在必行

近年来,数据管理的许多方面已经发生了变化:大数据、数据湖、自助服务、云、敏捷和DataOps等,我们无法继续使用传统的方法来进行管理。为了成为数据驱动型的组织,必须进行新环境下的数据治理实践。变化也会很多:从以数据为中心到以人为中心,从控制到管理,从管理到指导、预防等等。数据治理的现代化是一个过程程,将涉及一系列项目并影响许多人。建议从规划和路线图入手,避免痛苦和错误的开始。

相关文章
|
4月前
业务系统架构实践问题之领域设计的重要性如何解决
业务系统架构实践问题之领域设计的重要性如何解决
|
4月前
业务系统架构实践问题之进行领域设计的方法论步骤问题如何解决
业务系统架构实践问题之进行领域设计的方法论步骤问题如何解决
|
5月前
|
数据采集 人工智能 供应链
想要解决数据治理的难题吗?首先,摒弃无稽之谈
想要解决数据治理的难题吗?首先,摒弃无稽之谈
|
数据采集 存储 人工智能
谈谈如何构建有效的数据供应链
谈谈如何构建有效的数据供应链
|
数据采集 存储 监控
数据治理晓说:(三)谈谈“十四五”期间数据治理需要关注的六大趋势
数据治理的概念较早的起源于国外,近些年随着国内信息化的发展,逐步重视数据的共享和应用,随之发现了经常被提及的数据质量问题,从而也逐步开展起了数据治理项目。
数据治理晓说:(三)谈谈“十四五”期间数据治理需要关注的六大趋势
|
数据采集 存储 监控
谈谈基于DGI框架的数据治理
在大数据和数据科学时代,大多数组织都意识到数据在加速结果方面的潜在力量。然而,大多数人面临的挑战是,不断变化的客户期望和相关需求,以确保准确和可访问的数据,以指导决策,以满足客户的不同需求。
谈谈基于DGI框架的数据治理
|
数据采集 存储 运维
谈谈企业数据治理的几点思考
根据企业的特点,数据划分为以下三种类型:主数据、交易数据、指标(分析型)数据。
谈谈企业数据治理的几点思考
|
数据采集 存储 监控
谈谈什么是数据质量管理
数据质量管理是一组旨在维护高质量信息的实践。数据质量管理从数据采集和高级数据流程的实施一直到数据的有效分发。
谈谈什么是数据质量管理
|
数据采集 运维 监控
谈谈典型的数据治理体系框架
以规范的方式来管理企业的数据资产已经被广泛接受和认可,但还需要组织架构、原则、过程和规则,以确保数据管理的各项职能得到正确的履行。
谈谈典型的数据治理体系框架
|
存储 SQL 人工智能
谈谈企业如何构建现代数据平台
数据平台是一组集成的技术,它们共同满足组织的端到端数据需求。
谈谈企业如何构建现代数据平台