现在,数据管理和数据治理比以往任何时候都更加重要。数据驱动业务的超竞争特性意味着组织需要比以往更多地从数据中获得更多 - 而且速度更快。
 
一些数据驱动的样本引领了这一趋势,将数据转化为可操作的见解,影响从公司结构到新产品和定价的所有内容。“很少”是一个有效的词。
 
的确,数据驱动型业务是一项重大业务。实际上很大。但它由少数几个早期意识到强大而具有破坏性的力量数据的组织所主导。
 
这种数据驱动策略的好处不言而喻:Netflix取代了Blockbuster,优步继续改变出租车业务。不分青红皂白的行业组织也纷纷效仿,力争成为下一个颠覆性的大公司。
 
但在许多情况下,这些尝试已经失败或即将到来。
 
现在,随着通用数据保护法规(GDPR)的生效,未解释的数据将成为潜在的数据灾难。
 
因此,企业需要明白,从数据中获取更多信息并不一定意味着要收集更多数据。这是关于解锁他们已经拥有的数据的价值。

企业数据困境
但是,大多数组织并不确切知道他们拥有哪些数据,甚至不知道其中的哪些数据。 他们可以解释的一些数据会因为无法处理它而浪费。 对于非结构化数据类型尤其如此,组织正在更频繁地收集这些数据类型。
 
考虑到73%的公司数据未被使用,可以安全地假设您的组织正在处理一些问题。(如果不是全部的话)
 
从宏观上看,这意味着你的企业失去了数千甚至数百万的收入
微观上呢? 您正在努力建立单一的数据真实来源,这会导致许多问题:
 

- 不准确的分析和部门报告中的差异

- 无法管理组织收集的数据量和种类

- 流程中的重复和冗余

- 确定数据所有权,沿袭和访问的问题

- 实现并维持合规性

 
为了避免这种情况并从数据中获取更多价值,组织需要协调他们的数据管理和数据治理方法,使用既定工具的平台,同时协作整个企业。
 
数据管理推动了系统的设计,部署和运营,这些系统可提供运营数据资产以用于分析目的。
 
数据治理在业务环境中提供这些数据资产,跟踪其物理存在和沿袭,并最大限度地提高其安全性,质量和价值。
 
虽然这两个学科从不同的角度(IT驱动和面向业务)处理数据,但它们相互依赖。 这种共同依赖有助于组织充分利用其数据。
 
P-M-G枢纽
 
数据管理和数据治理共同构成了数据准备,建模和数据治理的关键中心。怎么构成的呢?
 
它首先是实时,准确的数据格局图,包括数据库,数据仓库和数据湖中的“静态数据”以及与关键应用程序集成和使用的“运动中的数据”。还必须控制这种情况,以促进协作并限制风险。
 
但是,要知道您拥有哪些数据以及它们位于何处是很复杂的,因此您需要创建和维护一个企业范围内的视图,并方便地访问底层元数据。这是一项艰巨的任务,因为大量的数据类型和数据源从来没有被设计成可以一起工作,而数据基础设施随着时间的推移已经被各种不同的技术、糟糕的文档和很少考虑下游集成。因此,依赖于可靠数据基础设施的应用程序和计划可能会受到损害,而基于错误见解的数据分析也可能受到损害。
 
然而,这些问题可以通过强大的数据管理策略和技术来解决,以支持业务所需的数据质量,包括数据编目(来自不同来源的数据集的集成)、映射、版本控制、业务规则和词汇表维护以及元数据管理(关联和沿袭)。
 
能够确定存在哪些数据以及在哪里必须伴随商定的商业理解,了解在整个企业中采用的通用术语。无论业务部门或用户是否在探索问题,具有这种一致性是确保分析生成的见解有用且可操作的唯一方法。此外,定义和控制角色和工作流对数据访问的策略,流程和工具对于安全性目的至关重要。
 
这些问题可通过全面的数据治理策略和技术来解决,以确定主数据集,发现整个企业中潜在词汇表更改的影响,审计和评分遵守规则,发现风险,以及适当且经济高效地将安全性应用于数据流,以及以对他们有意义的方式向人/角色发布数据。
 
数据管理和数据治理:共同发挥,共同发展
当数据管理和数据治理通过正确的技术协同工作时,它们会相互通知,指导和优化。采用这种协调方法的组织的结果是自动化,实时,高质量的数据管道。
 
然后,所有利益相关者 - 数据科学家,数据管理员,ETL开发人员,企业架构师,业务分析师,合规官,CDO和CEO - 都可以访问他们被授权使用的数据,并根据现在可靠信息的完整清单制定战略决策。
 
erwin EDGE通过集成数据映射,业务流程建模,企业架构建模,数据建模和数据治理创建“企业数据治理体验”。市场上没有任何其他软件平台可以触及数据管理和数据治理生命周期的各个方面,以自动化并加快速度,从而实现可操作的业务洞察。
 
加入我们9月25日的网络研讨会,了解数据管理和数据治理之间的联系,以及如何使它们同步工作,以发现,理解,治理和社交组织的数据,以获得最大价值和最低风险。