第3章数据治理

3.1引言
数据治理(Data Govemance，DG)的定义是在管理数据资产过程中行使权力和管控，包括计划监控和实施。在所有组织中，无论是否有正式的数据治理职能，都需要对数据进行决策。
数据治理职能是指导所有其他数据管理领域的活动。数据治理的目的是确保根据数据管理制度和最佳实践正确地管理数据而数据管理的整体驱动力是确保组织可以从其数据中获得价值，数据治理聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式。数据治理项目的范固和焦点依赖于组织需求,但多数项目都包含如下内容;
1）战略（Strategy )。
2）制度(Policy )。
3）标准和质量( Standardls and Quality)。
4）监督(Oversight)。
5）合规（Compliance)。
6）问题管理( Issue Management)。
对于多数企业，采用正式的数据治理需要进行组织变革管理，以及得到来自最高层管理者（C级别)的支持，如CRO、CFO或者CDO。
数据治理交付成果:
1. 数据治理策略
2. 数据策略
3. 业务/数据治理行动路线图
4. 数据规范、数据治理策略
5. 过程
6. 操作框架
7. 路线图和实现战略
8. 操作计划
9. 业务术语
10. 数据治理计分卡
11. 数据治理网站
12. 识别数据价值
13. 沟通计划
14. 实践结果成熟度评估
3.1.1业务驱动因素
数据治理最常见的驱动因素是法规遵从性，特别是重点监控行业。例如，金融服务和医疗健康，需要引人法律所要求的治理程序。
数据治理并不是到此为止，而是需要直接与企业战略保持一致。织
(1）减少风险。 （2））改进流程
经常聚焦“数据治理”往往会疏远那些认为治理产生额外开销却没有明显好处的领导层。对组织文化保持敏感性也是必要的，需要使用正确的语言、运营模式和项目角色。
数据治理不是一次性的行为。治理数据是一个持续性的项目集。
数据治理要与IT治理区分开。COBIT 框架提供IT治理标准；数据治理仅聚焦于管理数据资产和作为资产的数据。
3.1.2目标和原则
(1）可持续发展( Sustainable )；( 2）嵌入式(Embedded )；( 3）可度量(Measured )。
实施数据治理规划需要有变革的承诺。
( 1 )领导力和战略( Leadership and Strategy )；(2)业务驱动( Business-driven )；(3）共担责任( Shared Responsibility）；(4)多层面(Multi-layered )；(5)基于框架( Framework-based )；(6）原则导向（ Principle-based )
3.1.3基本概念
数据治理确保数据被恰当地管理而不是直接管理数据。数据治理相当于将监督和执行的职责分离。数据治理和数据管理的关系。
1．以数据为中心的组织
以数据为中心的组织将数据作为资产估值，在生命周期所有阶段进行管理、包括项目开发和持续运营阶段。
业务处理的目标就是为了得到高质量的数据。有效数据管理成为企业致力于通过分析获得洞察、制定决策时的高优先级事项。
转型并非易事，现有文化及内部制度、关于拥有权的争议、预算、历史遗留系统，都将成为建立企业级数据治理和数据管理的最大障碍。
虽然每个组织都需要有自己的原则，但是那些寻求从其数据中获得更多价值的组织可能会分享以下内容:
1）数据应该作为企业资产管理起来。
2）应该在整个组织内鼓励数据管理的最佳实践。
3）企业数裾战略必须与业务战略一致。
4）应不断改进数据管理流程。
2．数据治理组织
治理项目的核心词是治理。数据治理可以从政治治理的角度来理解。它包括立法职能（定义策略、标准和企业架构)、司法职能（问题管理和升级）和执行职能（保护和服务、管理责任)。
典型数据治理委员会：
数据治理指导委员会—数据治理委员会—数据治理办公室—数据管理团队—本地数据治理委员会
3．数据治理运营模型类型
在集中式管理模式中，数据治理组织监督所有业务领域中的活动。
在分布式管理模式中，每个业务单元中采用相同的数据治理运营模型和标准。
在联邦式管理模式中，数据治理组织与多个业务单元协同，以维护一致的定义和标准。
4．数据管理职贵
数据管理职责（Data Stewardship〉描述了数据管理岗位的责任，以确保数据资产得到有效控制和使用。像保管人、受托人这样的称呼，就是类似的管理岗位的同
数据管理活动将集中于以下部分（未必全部):
1）创建和管理核心元数据。
2）记录规则和标准。
3）管理数据质量问题。
4）执行数据治理运营活动。
5．数据管理岗位的类型
管理专员(Steward。直译为管家，本书译为管理专员）指其职责是为别人管理财产的人。
根据组织的复杂性和数据治理规划的目标，各个组织中正式任命的这些数据管理专员在其工作职位上会有一些区别，例如:
1）首席数据管理专员(Chief Data Stewards)。CDO的替代角色，担任数据治理机构的主席,也可以是虚拟的（基于委员会）或者在分布式数据治理组织中担任CDO。他们甚至也可能是高层发起者。
2）高级数据管理专员(Executive Data Stewards)。他们是数据治理委员会（ DGC)的资深管理者。
3）企业数据管理专员(Enterprise Data Stewards)。他们负责监督跨越业务领域的数据职能。
4）业务数据管理专员（Business Data Stewards)。他们是业务领域专业人士，通常是公认的领域专家，对一个数据域负责。他们和利益相关方共同定义和控制数据。
5）数据所有者（Data Owner)。他们是某个业务数据管理专员，对其领域内的数据有决策权。
6）技术数据管理专员(Technical Data Stewards)。他们是某个知识领域内工作的IT专业人员，如数据集成专家、数据库管理员、商务智能专家、数据质量分析师或元数据管理员。
7）协调数据管理专员(Coordinating Data Stewards)。这在大型组织中尤为重要，其领导并代表业务数据管理专员和技术数据管理专员进行跨团队或者数据专员之间的讨论。
6．数据制度
数据制度是全局性的。
数据制度描述了数据治理的“什么”（做什么和不做什么)，而标准和规程描述了数据治理的“如何”。数据制度应该相对较少，并且尽量采用简单直接的表述。
7．数据资产估值
数据资产估值（ Data Asset Valuation）是一个理解和计算数据对组织的经济价值的过程。
1）替换成本(Replacement Cost)。在灾难性数据破坏事件或者数据中断时，数据替换或恢复的成本，包括组织内的交易、域、目录、文档和指标信息等。
2）市场价值( Market Value)。兼并或收购企业时作为企业资产的价值。
3）发现商机（ldentified Opportunities)。通过交易数据或者通过售卖数据，从数据（商务智能)中发现商机获得的收入价值。
4）售卖数据(Selling Data)。一些组织为产品或销售将数据打包从数据中获得的洞察。
5）风险成本(Risk Cost)。它是基于潜在罚款、补救成本和诉讼费用的估价。来自法律或监管
为了描述信息资产价值的概念，可以将公认的会计准则转换为公认的信息原则(表3-2)。

3.2活动
3.2.1规划组织的数据治理
1．执行就绪评估
典型的评估包括:
1)数据管理成熟度。2)变革能力。3)协作准备。4)与业务保持一致。
2．探索与业务保持一致
3．制定组织触点
3.2.2制定数据治理战略
交付物包括:
1）章程。2）运营框架和职责。3）实施路线图。4）为成功运营制订计划。
1、定义数据治理运营框架
开发数据治理的基本定义很容易的运营框架时需要考虑以下几个方面
1）数据对组织的价值。2）业务模式。3）文化因素。4）监管影响。
2．制定目标、原则和制度
3．推动数据管理项目
4．参与变革管理
5．参与问题管理
6．评估法规遵从性要求
3.2.3实施数据治理
1．发起数据标准和规程
数据标准应由数据治理办公室或授权工作组（如数据标准指导委员会）审查、批准和采用。
2．制定业务术语表
数据管理专员通常负责整理业务术语表的内容。由于人们说话用词习惯不同，所以建立术语表是必要的。
业务术语表具有如下目标:
1)对核心业务概念和术语有共同的理解。
2)降低由于对业务概念理解不一致而导致数据误使用的风险。
3)改进技术资产（包括技术命名规范)与业务组织之间的一致性。
4)最大限度地提高搜索能力。并能够获得记录在案的组织知识。
业务术语表不仅仅是术语和定义的列表，而且每个术语还同其他有价值的元数据关联，包括同义词、度量、血缘、业务规则。负责管理术语的人员等。
3．协调架构团队协作
4．发起数据资产估值
3.2.4嵌入数据治理
数据治理组织的一个目标是将治理活动嵌入到数据作为资产管理相关的一系列流程中。
3.3工具和方法
数据治理从根本上讲是关于组织行为的。这不是一个可以通过技术解决的问题。
数据治理流程必须有效管理自己的工作和数据。
组织应该通过定义总体治理目标和需求来选择适合的工具。
3.3.1 线上应用/网站
数据治理也应该能够线上体现。可以通过中心门户或者协作门户提供核心文档。网站可以容纳文档库，提供搜索功能，帮助管理简单的工作流。
3.3.2业务术语表
业务术语表是数据治理的核心工具。
3.3.3工作流工具
更大的组织可能会考虑使用强大的工作流工具来管些工具将流程连接到文档，这在策略管理和问题解决中
3.3.4文档管理工具
3.3.5数据治理记分卡
3.4实施指南
3.4. 1组织和文化
3.4.2调整与沟通
管理和沟通变更所需的工具包括:
1 )业务战略/数据治理战略蓝图（Business / DG Strategy Map)。
2)数据治理路线图(DG Road Map)。
3）数据治理的持续业务案例( Ongoing Business Case for DG)。
4）数据治理指标( DG Metrics)。
3.5度量指标
数据治理指标的示例包括:
(1)价值：1 )对业务目标的贡献。2)风险的降低。3)运营效率的提高。
(2)有效性：1)目标的实现。2)扩展数据管理专员正在使用的相关工具。3）沟通的有效性。4）培训的有效性。5）采纳变革的速度。
(3可持续性：1)制度和流程的执行情况（即它们是否正常工作)。2）标准和规程的遵从情况（即员工是否在必要时遵守指导和改变行为)。