傳統的數據治理計劃經常達不到預期，因為它們過于關注政策、合規和執行。這可能導致業務用戶、數據治理團隊和執行管理層之間的脫節。

一個真正成功的數據治理流程建立在四個關鍵優先事項之上，這些優先事項將業務價值放在了正確的位置，在所有利益相關者之間建立了明確的一致性。遵循這個由 4 部分組成的策略將提高效率并加速投資回報，從而導致數據治理計劃實現其設計目標。

準確地說，這是數據治理的“業務優先方法”。 事實證明，與更傳統的方法相比，它的 投資回報率提高了 2 到 7 倍，同時交付結果的速度提高了 40%。它還將數據治理計劃在企業范圍內擴展的可能性提高了 75% 。 業務優先的數據治理促進了組織的采用，為數據完整性奠定了基礎，并在長期內始終如一地提供業務價值。

1. 將數據治理與業務目標聯系起來
良好的數據治理流程始于明確定義的業務目標，組織中通常將其分為三大類，其中包括 有助于將風險降至最低的數據、提供洞察力的數據以及為運營決策提供信息的數據 。
對圍繞隱私、安全和合規性的潛在差距的清晰理解推動了風險最小化 。 這包括分析風險暴露、控制欺詐、隱私和安全、內部 IT 控制等。
業務洞察力 在有針對性的銷售、生產管理、采購策略等方面推動業務價值。分析幫助業務中的利益相關者對公司的客戶和潛在客戶有清晰的 360° 了解。
卓越運營 是關于改善周期時間和數據質量，同時降低組織所做的一切成本。這包括政策管理、客戶滿意度、費用管理、數據質量管理等。

當組織的數據治理流程在設計時考慮到這些業務目標，最好遵循明智建議：“以終為始”。
組織列表中的許多目標將由相同的數據集驅動。例如，管理客戶數據的隱私，很可能是幫助戰略決策者獲得 360° 客戶視圖的相同數據。這些相同的數據集可能會影響圍繞客戶滿意度或機構管理的運營改進。

治理過程的一個關鍵部分包括將這些數據資產與組織的關鍵業務目標聯系起來并理解這些關系。例如，如果公司打算改進其產品和服務的個性化，那么可能會將銷售、營銷和財務確定為關鍵利益相關者。 影響這些利益相關者的預期結果可能包括將新產品的推出時間縮短 5%，將客戶流失率降低 11%，或將客戶續訂率提高 17%。

上述所有情況的總體目標是建立可信客戶數據資產的共同視圖。然后可以將特定的數據治理功能（例如數據目錄、數據沿襲、批準工作流和明確定義的數據完整性規則）識別為有助于實現該目標的組件。通過連接業務目標和數據治理能力之間的點點滴滴，將為成功奠定基礎。

2. 優先處理重要的數據
并非所有數據都是一樣重要的。 大約 5% 的企業數據集推動了 95% 的業務成果。 成功的數據治理計劃通過優先考慮最需要關注的數據集來認識到這一事實。

在大多數組織中，有一個以核心數據為基礎的四層層次結構。 數據金字塔的較低級別由在系統級別填充原始信息的表和字段組成。就在上面是第二層，由幫助企業日常運行的運營信息組成。接下來是作為業務績效優劣的 KPI 和指標，除此之外，業務分析中的可操作見解為整個企業提供戰略方向 。

通過了解每個數據元素如何適應之前建立的業務目標，數據管理者可以通過識別哪些數據點很重要來更簡便地設置優先級，然后專注于管理那些最重要的數據。

3. 建立利益相關者的參與機制
在組織的三個層次上協調利益相關者：戰略（執行管理）、運營（包括產品開發和規劃等）和戰術（包括數據管理和數據科學）。

這些群體中的每一個都通過不同的視角看待商業價值。這意味著他們通常有不同的方法和指標來確定成功或失敗。在組織的所有三個級別上建立利益相關者的參與需要數據治理流程來解決每個組的需求和關注點。

對于戰略級別，可以根據其對公司總體 KPI、提高的客戶滿意度或流程支持的影響來評估一項計劃。在運營層面，數據治理將根據其對數據質量、周期時間或錯誤率等部門目標的影響進行評估。從戰術角度來看，重點可能是數據的可訪問性和完整性。

一個好的數據治理計劃將用能引起他們共鳴的術語來闡明為每個群體提供的價值。

4. 掃清數據治理的障礙
最后， 有效的數據治理計劃將消除利益相關者流程中的摩擦，幫助他們實現預期結果，從而為成功鋪平道路。 這將使業務團隊更容易為數據治理流程做出貢獻，讓團隊保持參與并希望獲得更多。