如果您的業務很多，那么它就會大量投資于分析。我們生活在一個數據驅動的世界里。數據推動了我們從零售商處獲得的建議，我們從雜貨店獲得的優惠券，以及我們將在工作中建立和支持的產品和服務背后的決策。
沒有分析，我們從數據中得出的見解都不可能。我們經常切片，切塊，測量和（嘗試）預測幾乎所有的東西，因為數據可供分析。從理論上講，所有這些分析都應該有助于業務。它應該確保我們創造正確的產品和服務，將它們推銷給合適的人，并收取合適的價格。它應該建立一個忠誠的客戶群，成為品牌大使，放大現有的營銷努力，以促進更多的銷售。
我們希望所有這些都發生，因為所有這些分析都很昂貴。這不僅僅是分析軟件的軟件許可證成本，而且也是人。例如，對數據科學家平均工資的估計可以超過118,000美元（Glassdoor）到131,000美元（確實）。許多企業也在探索或已經使用下一代分析技術，如人工智能或機器學習支持的預測分析或分析，這需要更多的投資。
如果您的企業正在分析的基礎數據是糟糕的，那么您將丟掉所有這些投資。有一種說法嚇到了今天參與分析的所有人：“垃圾進入，垃圾進出。”當糟糕的數據用于推動您的戰略和運營決策時，您的不良數據突然成為業務的一個巨大問題。
當您為分析平臺提供數據時，目標通常被稱為“單一事實來源”，也稱為您可以信任的數據，用于分析和創建推動業務發展的結論。
“一個真理來源意味著提供一致的，高質量的數據，”erwin，Inc。產品營銷總監Danny Sandwell說。
盡管近年來業內人士都在談論數據和分析，但許多企業仍未能獲得分析投資的回報。事實上，Gartner報告稱超過60％的數據和分析項目都失敗了。與任何軟件部署一樣，這些項目有多種原因并未按計劃進行。然而，在分析中，糟糕的數據甚至可以將技術方面的平穩部署轉變為業務災難。
什么是壞數據？這些數據無法幫助您的企業做出正確的決策，因為它是：
數據治理如何幫助組織改進其分析
erwin Inc.和UBM在2017年11月的一項調查中，超過四分之一的受訪者表示，分析是推動其數據治理計劃的因素之一。
數據治理可幫助企業了解他們擁有的數據，數據有多好，數據庫以及使用方式。今天很多人都在談論數據治理，有些人正在將這種談話付諸行動。erwin-UBM調查發現，52％的受訪者表示數據對其組織至關重要，并且他們制定了正式的數據治理策略。但幾乎同樣多的受訪者（46％）表示他們認識到數據對其組織的價值，但卻沒有正式的治理策略。
當數據治理幫助您的組織開發具有證明價值的高質量數據時，您的IT組織可以為業務構建更好的分析平臺。數據治理有助于實現自助服務，這是當今許多企業分析的重要組成部分，因為它將數據和分析的力量交付給每天使用數據的人。一個運作良好的數據治理方案通過幫助IT組織確定并提出正確的數據給用戶，并消除對數據的來源和質量混亂創造了真理的唯一版本。
數據治理還使最佳實踐，主題專家和協作系統成為當今分析驅動型企業的標志。
與分析一樣，許多早期的數據治理嘗試未能實現預期的結果。他們的重點很狹隘，他們的倡導者往往難以向組織闡明數據治理的價值，這使得難以確保預算。有些組織甚至將數據治理視為數據安全的一部分，將數據保護到想要使用它的人無法訪問的程度。
所有權問題也會影響早期的數據治理工作，因為IT和業務部門無法就哪一方負責定期影響這兩方面的流程達成一致。如今，組織可以更好地解決這些所有權問題，因為許多組織正在采用新的公司結構來識別數據對現代企業的重要性。像首席數據官（CDO）這樣越來越多地處于業務方面的角色和數據保護官（DPO）的角色比幾年前更常見。
現代數據治理策略將自身融入業務及其基礎架構中。它存在于企業體系結構，業務流程中，它使用可視化等技術幫助組織更好地理解數據資產之間的關系。也許最重要的是，現代數據治理方法正在進行中，因為組織及其數據不斷變化和轉變，因此他們的數據治理方法需要隨著時間的推移進行調整。
在分析方面，數據治理是確保您使用正確的數據來推動戰略和運營決策的最佳方式。這說起來容易做起來難，尤其是當你考慮流入現代組織的所有數據以及你將如何對它進行整理以找到好的，壞的和丑的時候。但是，一旦你這樣做，你就可以使用分析來得出值得信賴的結論。
（部分內容來源網絡，如有侵權請聯系刪除）
