数据治理的宏观与微观

数据治理的宏观与微观

数据治理是一个在宏观和微观层面使用的术语。前者是一个政治概念，是国际关系和互联网治理的一部分；后者是一个数据管理概念，是公司数据治理的一部分。

宏观层面

在宏观层面上，数据治理指的是各国对跨境数据流动的管理，因此更准确的说法是国际数据治理。这个新领域包括"管理各类数据的规范、原则和规则"。

微观层面

这里的重点是单个公司。这里的数据治理是一个数据管理概念，涉及到使一个组织能够确保在数据的整个生命周期内存在高数据质量的能力，并实施支持业务目标的数据控制。数据治理的重点领域包括可用性、一致性、数据完整性和数据安全性，并包括建立流程以确保整个企业有效的数据管理，如对数据质量差的不利影响进行问责，确保企业所拥有的数据可以被整个组织使用。

数据管家的作用是确保数据治理流程得到遵循，准则得到执行，并对数据治理流程提出改进建议。

数据治理包括人员、流程和信息技术，这些都是在整个商业企业中对组织的数据进行一致和正确处理所需要的。它为所有的数据管理实践提供了必要的基础、策略和结构，以确保数据作为资产进行管理，并转化为有意义的信息。可以在企业的各个层面定义目标，这样做可以帮助使用这些流程的人接受这些流程。一些目标包括：

提高决策的一致性和信心

降低监管罚款的风险

提高数据的安全性，还要定义和验证数据分发策略的要求。

最大限度地发挥数据的创收潜力

指定信息质量问责制

使主管人员能够更好地进行规划

尽量减少或消除返工

优化工作人员的效率

建立流程绩效基线，以促进改进工作

承认并持有所有收益

这些目标通过实施数据治理计划或使用变革管理技术的举措来实现。

当公司希望或被要求获得对数据的控制时，他们会赋予员工权力，建立流程，并从技术上获得帮助来实现这一目标。

据一个供应商说，数据治理是评估、管理、使用、改进、监测、维护和保护组织信息的一门质量控制学科。它是一个与信息有关的程序的决策权和问责制系统，按照商定的模式执行，这些模式说明了谁可以用什么信息采取什么行动，以及何时、在什么情况下、使用什么方法。

数据治理驱动因素

虽然数据治理举措可以由提高数据质量的愿望驱动，但更多的时候是由C级领导响应外部法规驱动的。在CIO WaterCooler社区最近进行的一份报告中，54%的人表示关键的驱动力是流程的效率；39%认为是监管要求；只有7%的认为是客户服务。这些法规的例子包括《萨班斯-奥克斯利法案》、《巴塞尔协议一》、《巴塞尔协议二》、HIPAA、GDPR、cGMP以及一些数据隐私法规。为了实现对这些法规的合规性，业务流程和控制措施需要有正式的管理流程来管理受这些法规约束的数据。成功的计划确定了对监管和执行领导层都有意义的驱动因素。

外部法规的共同主题集中在管理风险的必要性上。这些风险可能是财务错报、敏感数据的无意发布或关键决策的数据质量差。管理这些风险的方法因行业而异。通常参考的最佳实践和指南的例子包括COBIT、ISO/IEC 38500等。法规和标准的激增为数据治理专业人员带来了挑战，特别是当多个法规与所管理的数据重叠时。各组织经常发起数据治理倡议，以应对这些挑战。

数据治理举措

数据治理举措通过指定一个团队负责数据的准确性、完整性、一致性、及时性、有效性和独特性来提高数据质量。这个团队通常由行政领导、项目管理、业务部门经理和数据管理员组成。该团队通常采用某种形式的方法来跟踪和改进企业数据，如六西格玛，以及用于数据映射、剖析、清洗和监控数据的工具。

数据治理计划可能是为了实现一些目标，包括为内部和外部客户提供更好的可视性（如供应链管理），遵守监管法律，在公司快速增长或企业合并后改善运营，或者通过减少混乱和错误，增加企业知识工作者的知识范围来帮助他们提高效率。许多数据治理计划的灵感也来自于过去在部门层面固定信息质量的尝试，导致数据质量流程的不协调和冗余。大多数大公司都有许多应用程序和数据库，不能轻易共享信息。因此，大型组织内的知识工作者往往无法访问他们所需的数据，以最好地完成他们的工作。当他们能够访问数据时，数据质量可能很差。通过建立数据治理实践或企业数据管理局，这些问题可以得到缓解。

数据治理计划的结构不仅会随着组织的规模而变化，还会随着预期目标或工作的"重点领域"而变化。

实施

数据治理举措的实施可能在范围和起源上有所不同。有时，会出现一项执行任务，以启动企业范围内的工作，有时任务是创建一个或多个试点项目，范围和目标有限，目的是解决现有问题或展示价值。有时，一项倡议会在组织的较低层级发起，并在有限的范围内部署，以向组织内较高层级的潜在赞助者展示价值。实施的初始范围也会有很大的不同，从对一次性IT系统的审查，到跨组织的倡议。

数据治理工具

2006年12月，在佛罗里达州奥兰多市举行的数据治理会议上，成功的数据治理项目的领导者们宣布，数据治理是80%到95%的沟通。"由此可见，数据治理项目的许多目标必须通过适当的工具来实现。现在，许多供应商都将其产品定位为数据治理工具；由于各种数据治理计划的重点领域不同，任何给定的工具都可能是合适的，也可能是不合适的，此外，许多没有作为治理工具销售的工具都能解决治理需求和要求。