數據已成為大多數企業提高效率和運營績效所必需的生命線。組織領導者和員工正在努力開發有效的數據治理模型，專注于高質量的數據，以推動業務發展。ERP，CRM和供應鏈管理等系統依賴于整個組織的高質量和完整數據。

這些數據挑戰導致許多組織過分強調數據治理模型，代價是重新調整業務重點以實施數據驅動方法。

因此，組織應努力避免數據治理炒作，并在高質量數據與數據驅動流程的正確實施之間實現健康的平衡，以保證業務的利益。

定義數據治理

在您轉向的任何地方，您都會聽到組織將資源用于數據治理。數據治理跨越許多不同的功能領域，每個企業都可以對該術語有自己的精確定義。

在一般意義上，數據治理可以被描述為用于管理組織數據的組織框架，以便協調策略，定義目標并建立用于處理企業信息的相關策略。

在數據質量方面接近數據治理

數據治理涉及數據質量，所有權和安全性，元數據和分析過程。在大多數組織中，“治理”一詞往往會摒棄員工，他們可能會對組織中的數據治理以及他們的具體角色感到困惑。

為了明確數據治理在業務中的作用，應該在數據質量和更高質量的數據如何提高業務效率方面進行更多的定義。高數據質量應該是任何數據治理活動的基本目標，它應該是關注的關鍵領域。事實上，Gartner的研究表明，糟糕的數據質量使組織每年平均??花費800萬美元。

正確實施數據治理的挑戰

許多企業都傾向于花費太多時間來定義數據治理模型，這樣他們最終會阻礙他們的組織成為數據驅動。

在整合數據治理模型時，企業會犯幾個常見錯誤。這些包括：

設計數據治理

許多陷入數據治理困境的組織往往無法正確設計其數據治理模型。設計這樣的模型意味著識別您的公司文化，決策流程，運營設置和所有權環境。每個組織都需要了解它如何處理和跨不同功能區域共享信息，以實現可以使用數據推動組織發展的過程。

在設計數據治理模型時，應明確定義跨功能區域的特定挑戰和基準。例如，如果數據治理可以為業務帶來更安全的數據，或者與客戶建立更好的通信流程，那么應該根據整個組織可以定位的特定目標和目標來定義模型。

將數據治理視為有限項目

圍繞數據治理的炒作使得大多數組織將模型實現為單獨且獨立的計劃。通常，這種方法不會與組織的其他流程交織在一起。

為了使實施成功，它應該是系統的，明確定義的和連續的。信息類型和數據量的變化應納入框架，關于訪問和處理新傳入數據的決定應納入正式結構。

未能建立現有流程

大多數數據治理模型傾向于忽略已經用于處理和處理數據的當前系統。處理數據流程的當前決策人員在設計數據治理模型時應考慮其輸入。

這些專業人員的意見可以幫助確定模型的范圍以及組織內數據治理所涉及的復雜性。忽略內部數據專業人員的獨特視角可能會導致數據治理模型不平衡而無需內部檢查和平衡。

實現數據治理成功

組織需要超越設計數據治理模型的階段。他們需要開始實施數據驅動戰略，使他們能夠解決分析問題。在數據治理方面取得成功的公司通常在其戰略中擁有以下流程：

人員，政策和程序

有效的數據治理流程涉及協作的人員，政策和程序的共同努力。人們在共同努力提供輸入以確定需要管理的數據以及設計實施模型的相關政策和程序方面非常重要。

這些策略是圍繞數據訪問和使用的規則和規則，而程序是指導組織訪問，處理和改進數據使用的管理結構。

將數據治理視為產品

組織應以與設計消費者產品相同的方式處理數據治理。產品開發過程是持續的，未來的，并針對特定需求。

數據治理應以大致相同的方式實施，重點關注效率，業務目標和目標，以及旨在持續增長和改進的長期方法。

數據治理作為治理結構的一部分

數據治理涉及如何收集，處理和訪問數據以在業務計劃中使用的過程。由于該框架的范圍，不應孤立地實施數據治理。相反，它應該是組織內其他治理程序的核心組成部分。

IT，企業和數據治理應該共同致力于完整的數據治理流程。