数据治理、数据准备、数据质量、数据安全

什么是数据治理以及为什么需要它？

数据治理是当今瞬息万变且竞争激烈的企业环境中的一项要求。既然组织有机会捕获大量不同的内部和外部数据，他们需要一个纪律来最大化其价值、管理风险并降低成本。

什么是数据治理？

数据治理是流程、角色、政策、标准和指标的集合，可确保有效和高效地使用信息，使组织能够实现其目标。它建立了流程和职责，以确保整个企业或组织中使用的数据的质量和安全性。数据治理定义了谁可以对什么数据、在什么情况下、使用什么方法采取什么行动。

精心设计的数据治理策略对于任何处理大数据的组织来说都是基础，它将解释您的业务如何从一致、通用的流程和职责中受益。业务驱动因素强调在您的数据治理策略中需要谨慎控制哪些数据以及从这项工作中获得的预期收益。此策略将成为您的数据治理框架的基础。

例如，如果您的数据治理策略的业务驱动因素是确保医疗保健相关数据的隐私，则需要在患者数据流经您的业务时对其进行安全管理。将定义保留要求（例如，谁更改了哪些信息以及何时更改的历史记录）以确保符合相关政府要求，例如GDPR。

数据治理可确保明确定义与数据相关的角色，并在整个企业内就责任和问责制达成一致。精心规划的数据治理框架涵盖战略、战术和运营角色和职责。

数据治理不是什么

数据治理经常与其他密切相关的术语和概念混淆，包括数据管理和主数据管理。

数据治理不是数据管理

数据管理是指对组织全数据生命周期需求的管理。数据治理是数据管理的核心组成部分，将其他九个学科联系在一起，例如数据质量、参考和主数据管理、数据安全、数据库操作、元数据管理和数据仓库。

数据治理不是主数据管理

主数据管理 (MDM) 侧重于识别组织的关键实体，然后提高这些数据的质量。它确保您拥有有关客户、供应商、医疗服务提供者等关键实体的最完整和准确的可用信息。由于这些实体在整个组织中共享，因此主数据管理是将这些实体的碎片化视图整合到一个视图中——超越数据治理的纪律。

但是，没有适当的治理就没有成功的 MDM。例如，数据治理计划将定义主数据模型（客户、产品等的定义是什么），详细说明数据的保留策略，并定义数据创作、数据管理和访问的角色和职责.

数据治理不是数据管理

数据治理可确保为合适的人员分配合适的数据职责。数据管理是指为确保数据准确、可控且易于被相关方发现和处理的必要活动。数据治理主要是关于战略、角色、组织和政策，而数据管理则是关于执行和运营。

数据管理员负责数据资产，确保实际数据与数据治理计划一致，与其他数据资产相关联，并在数据质量、合规性或安全性方面受到控制。

数据治理的好处

有效的数据治理策略可为组织带来许多好处，包括：

• 对数据的共同理解——数据治理为数据提供了一致的视图和通用术语，同时各个业务部门保留了适当的灵活性。
• 提高数据质量——数据治理创建了一个确保数据准确性、完整性和一致性的计划。
• 数据地图——数据治理提供了一种高级能力来了解与关键实体相关的所有数据的位置，这对于. 就像 GPS 可以代表物理景观并帮助人们在未知景观中找到方向一样，数据治理使数据资产变得可用并且更容易与业务成果联系起来。
• 每个客户和其他业务实体的360 度视图——数据治理建立了一个框架，以便组织可以就关键业务实体的“单一版本真相”达成一致，并在实体和业务活动之间建立适当的一致性级别。
• 一致的合规性— 数据治理提供了一个平台来满足政府法规的要求，例如欧盟通用数据保护条例 (GDPR)、美国 HIPAA（健康保险流通与责任法案）和行业要求，例如 PCI DSS（支付卡行业数据安全标准）。
• 改进数据管理——数据治理将人的维度带入高度自动化、数据驱动的世界。它建立了数据管理的行为准则和最佳实践，确保传统数据和技术领域（包括法律、安全和合规等领域）以外的问题和需求得到一致解决。

云数据治理

随着越来越多的企业和组织意识到将其部分或全部数据存储和流程迁移到云集成战略和iPaaS的好处，对有效数据治理的需求也在不断增加。

迁移到云就是将某些任务委托给第三方，例如基础架构管理、应用程序开发、安全等。云还涉及技术资源的虚拟化，这可能会带来数据主权挑战——例如强制要求数据的法规居住在某个地方或国家。此外，云优先策略通常鼓励去中心化，允许业务线或工作组独立推出自己的系统，这可能会导致不受控制的数据蔓延。

这就是治理的位置。首先，战略数据治理计划对于将内容迁移到云至关重要。无论组织是转向混合还是完全云数据模型，数据迁移过程都将享受整体数据治理计划的所有