译文 | 升级数据治理，从制定体系化的数据治理规划开始

在最近的一份DATAVERSITY®Trends的数据管理调研报告中显示，自2016年以来，企业数据泄露的风险与日俱增，自2016年以来，诈骗/勒索软件数量增长了700%，数据安全攻击量增长了365%，为了应对合规性要求和竞争压力，越来越多的企业重视自身数据治理规划和执行，以控制和保护数据。通过报告显示，参与调研的企业中，76%的企业都制定了数据治理规划和计划。

然而，企业在实施一个统一的数据治理框架时面临着一个巨大的挑战，在不同的组织中，因数据治理组织驱动力的原因，框架的执行结果千差万别。这就是“The Information Difference”公司首席执行官安迪·海勒（Andy Hayler）在《数据治理趋势》（Data Governance Trends）一文中提到的 “数据治理的实施分散、不完善”情况。

管理趋势报告中其他调研对象也有相似的观点，福布斯技术委员会（Forbes Technology Council）成员、科利布拉的创始人兼首席技术官斯坦•克里斯蒂安（Stan Christiaens）认为随着较旧的信息技术向更成熟的数据治理要求转变，数据治理工作的执行需要根据不同的业务领域进行适配。数据治理工作的推动难归因为数据治理工作给大家树立了“数据监管”的形象，但随着数据质量的恶化而导致项目工作的难以开展，数据治理工作会被越来越重视，并基于具体项目的形式实施。

这种随意的数据治理执行会在组织间带来风险，特别是当他们计划发布新技术时。例如，超过80%的公司计划在未来一两年内使用数字双胞胎和深度学习，需要密集的计算资源。此外，企业已经并将继续将应用软件转变为基于云的替代方案。随着云或混合云解决方案中数据的积累、存储、使用和传输的增加，数据泄露和错误信息的风险也会上升，这是由于额外的不安全访问点和糟糕的数据集成。

因此，企业需要有体系化的数据治理规划，以全面支撑数据战略的实施、降低数据危机数据安全的风险、建立协同组织管控新应用的建设。一个体系化的数据治理规划设计可以从以下三点入手：

一、基于数据战略规划数据治理

企业有一个与成熟技术项目（如数据仓库）使用的数据治理框架，并不意味着它就足以支持新技术计划，如机器学习。需要考虑新的业务需求，特别是在需要系统集成的情况下。例如，在机器学习应用于新企业之前，企业的所有数据都是应该具备良好的数据质量。

Granite Falls Consulting的总裁兼负责人Danette McGilvray说：“现实情况是，几乎所有公司都面临着数据质量不足以支持机器学习技术的应用。”这只是在成功完成这项任务之前出现的许多商业需求之一。在开始一个新的数据项目之前回顾数据治理现状可以减少忽略先决条件的风险，保持统一的数据管理目标。

仅仅重新考虑旧的数据治理计划并不一定会导致更连贯的数据治理。根据全球数据战略有限公司（Global Data Strategy，Ltd.）的唐娜•伯班克（Donna Burbank）表示，良好的数据治理源于调整业务战略和数据战略。数据策略评估现有的数据治理计划对整个业务的支持程度。数据策略指导建立数据治理框架的响应和活动，例如使用Burbank的矩阵，如下所示：

图片引用: Global Data Strategy

CEMEX是全球建材行业的领头羊，它将数据战略与数据治理联系起来，使数据驱动能力更强，更好地利用新技术。通过对全面集成平台数据战略的理解，CEMEX数据架构管理员Gerardo Reyna意识到数据质量将影响集成，并开始了解数据架构需要如何改进。在获得更好的数据策略洞察力后，正如Burbank所说，“CEMEX基于敏捷的小型数字团队，建立了协作数据治理，对项目进行优先排序，并使不同的内部客户朝着共同的目标进行调整。”由于在数据治理引入了数据战略的理解，数据治理变得更加统一。也能更好的确保新数据项目成功。

二、在整个组织中树立数据治理形象

如前所述，基于以往不好的经验，或不希望增加额外的工作，许多人对数据治理有消极的看法，这使得用新技术实现数据项目具有挑战性。

改变对数据治理的认识是困难的，但要获得公司范围的支持是必要的。如果一个组织支持数据治理，它会发现在新的数据项目开始时进行考虑会更容易、更自然，而不是在几个月后出现数据质量问题。一些组织在积极加强数据治理效益方面取得了成功。

Jason Simon和Dan Hubbard分享了2019年授予北德克萨斯大学（UNT）的CIO技术创新奖，他们认为，图表和图像有能力向关键利益相关者解释数据治理。西蒙和哈伯德还说，“一定要对你的项目的各个方面有一个一致的看法和感觉，包括所有形式的沟通、培训公告和文件。”

UNT传播数据治理信息的方法也对房地美（Freddie Mac）起到了作用，房地美是一家住房抵押贷款融资商，曾四、五次挣扎于统一数据治理。Jenny Schultz，房地美数据治理主管，在确保框架具有“同行、利益相关者和行业思想领袖”的可信度后，领导了一项数据治理品牌计划。通过案例推广，树立了数据治理的正面形象。她创建了一个简单的消息来传达房地美的数据治理：授权、简化、重用和数据控制。早期，Jenny Schultz和她的团队通过关注业务需求和宣传一路上的成功，向高管和业务伙伴验证了数据治理活动。部分原因是，房地美为其员工打造了一个数据治理计划的品牌，因此，房地美对该模式有很高的认同度，公司内部的参与度更高，从而形成了一个连贯的数据治理模式。

三、获得企业高管的支持

除了给良好的数据治理打上烙印之外，让高管们参与进来并获得决策权，有助于数据治理的全面统一，尤其是在任何大数据项目开始时。华盛顿州社区和技术学院委员会（SBCTC）数据服务主任Carmen McKenzie通过为34个社区和技术机构建立数据治理结构发现了这一点。立法者要求建立一个正式的数据管理，“标准化数据定义和提高数据质量”。与此同时，在推出一个新的ERP系统之前，需要按照一些知识渊博的顾问的建议建立数据管理。

建立一个数据管理和为新的ERP系统进行规划的结合发生在很短的时间内，这使得McKenzie和她的员工很难决定哪个数据管理框架最适合所有社区大学实体。McKenzie和她的委员会选择了一种非侵入性的数据治理方法。Seiner的蓝图通过利用业务中的最佳实践和结构来引入数据治理，而不是干扰员工或迫使他们遵守新的计划。

Seiner的工作组包括现有大学理事会内的数据治理规划。这种方法很快得到了学院院长的支持。截至2018年10月，SBTC开发了一种元数据存储库算法，以支持与ERP相关的数据治理，并正在阻止购买任何技术。这将允许数据治理花费更多的时间来开发数据质量度量

在启动一个数据项目或使用新技术之前，需要先进行体系化数据治理。对于一个新的企业来说，数据泄露带来的机会太多了，而采用拼凑式的数据治理框架，不好的数据质量带来的风险点太多。

当一个公司决定用新技术实施任何项目时，它应该考虑将数据策略与数据治理联系起来，将有人支持的良好数据治理品牌化，并从高层管理层那里获得支持。不断变化的业务需求（通常包括对集成的更大需求）要求不减。

本文由御数坊编译，Manikandan Seetharaman于2020年1月22日发布;出自：https://www.dataversity.net/upda ... ohesive-plan-first/