有許多組織可以很好地管理和管理他們的數據。或者是足夠好（無論對每個組織來說意味著什么）。但是，還有其他組織根本不管理和管理他們的數據。他們中的一些人知道這是真的，有些人不認識到這種情況，然后有些人知道他們是糟糕的數據管理者但拒絕對知識采取行動。那么你是哪一個呢？

當我談論和寫下數據時，你會注意到我使用術語“管理”。我把它們放在一起但同時分開。我認為數據管理由許多學科組成，其中一個可以被視為數據治理。DAMA International將數據治理納入其框架的中間。它們密切相關，但它們不是一回事，讓我給大家解釋這兩者之間的關系以及區別。

數據管理是一系列與控制組織如何定義，生成和使用數據相關的學科。這些學科的例子包括數據建模，數據架構，數據質量，元數據管理，數據互操作性等。正如你所看到的，這些學科中的許多都需要整體數據戰略，計劃，承諾和知識淵博的資源，以確定它們的實現方式。解決。數據治理只是這些學科之一，作為一種實踐，往往變得不那么具有技術性。

數據治理側重于將人們的行為和問責制正式化，以確定他們如何定義，生成和使用數據。將數據治理定義為“執行和執行數據管理權限”，并將管理權定義為“數據管理問責制的正式化。”這兩個定義都側重于人。

改進數據管理和數據治理可以提高整個組織的效率和效率。大多數情況下，需要真實的數據來說服人們，他們的日常行為是他們對數據質量的信心的結果。并且他們有責任幫助識別數據問題并提高數據質量。衡量執行簡單或更好但復雜的功能所需的時間可能是人們花費時間管理數據的最佳指標。在許多組織中，人們做出了令人驚奇的事情，以便以他們需要的方式獲取數據從而能夠使用它。人們創建報告并將主要數據資源中的數據集拉入電子表格，并對此數據采取許多操作。

人們通過導出他們自己的數據來糾正數據。這些行動沒有記錄，往往難以重復或解釋。但它們肯定會對用于制定決策，滿足合規性要求以及從最重要的數據資產中獲取價值的結果產生影響。人們理解和信任數據的時間以及他們改變數據質量的頻率決定了他們在工作職能中的效率和效率。當收集有關這些事物的數據時，可以測量這些事情。

另一個說服人們“數據管理是真實的”的真實數據的例子可能集中在保護敏感數據上。當數據處理程序依賴于數據分類時，有很多東西也可以轉化為實際數據。了解人們現在如何處理敏感數據，以及他們的知識和行為如何在顯示與數據共享，傳輸，存儲和打印相關的規則后如何變化，這是人們的工作受到正式數據治理計劃影響的另一種方式。而且它們也可以被測量。錯誤處理數據的出現，人們對規則的了解，

當有數據證明它是真的時，很難否認某些事情。然而，這仍然會發生。我的建議是，您通過關注人們花時間以最需要的方式獲取數據以最佳地執行其業務功能來證明改進。數據治理是真實的，人們真的需要它。

4、充當業務和IT之間的聯絡人，以驗證IT是否完全理解業務需求，并確保業務完全參與IT領導的項目

許多數據治理計劃失敗，因為它們的范圍，成本和時間尺度都太大。在小型階段或項目上工作更有可能帶來成功。例如，嘗試在業務區域中執行一個進程。完成后，在下一個業務領域實施相同的流程。不要試圖立刻實現太多; 如果數據治理程序太大且非結構化，則不能有效地提供好處，并且整個程序可能會停止。如果你專注于范圍的小范圍，你可能會在數據治理框架的實施中取得小而一致的成功。

通過小的頻繁階段（或項目）實施數據治理計劃允許您使用精益問題解決方法：計劃 - 執行 - 檢查 - 調整（PDCA）周期。

例如，初始計劃步驟將審核你打算實施數據治理的業務領域，并采取措施以充分了解當前情況。該領域的優先事項和挑戰是什么？這些知識將使您能夠規劃有益于該領域的數據治理框架的實施。在do階段，您將實施框架，并確定并向各利益相關者簡要介紹其角色和職責。在此階段，準備利益相關者開始關注其中一個數據治理流程或活動，例如為數據詞匯表定義數據項，或使用數據質量問題解決方案。

從喬治奧威爾的動物農場獲取靈感，我們可以說所有數據都相同，但有些數據比其他數據更平等。精益使用優先級排序技術專注于你可以獲得最大價值的領域，同樣的方法可以應用于管理數據。使用相同級別的監視和控制來管理所有數據無法實現價值。最高級別的監控和控制應僅應用于成功運營業務所需的最關鍵數據。應用精益原則并優先處理數據治理活動，為最低工作量增加最高價值的數據將有助于利益相關者參與并展示數據治理的好處，同時實現長期活動（即高價值和高努力）。

業務參與對于所有數據治理活動的成功至關重要，并且通過數據治理框架的堅實基礎來支持這些活動將幫助你實現持久的數據治理成功。