第三章：数据治理

数据治理的职能

是指导其他所有数据管理领域的活动。

数据治理的目的：

确保根据数据管理制度和最佳实践正确的管理数据。

数据治理聚焦于如何制定有关数据决策，以及人员和流程在数据方面的行为方式

业务驱动因素

驱动因素一：减少风险

1. 一般性风险管理。洞察风险数据对财务或商誉造成的影响，包括对法律（电子举证E-Discovery）和监管问题的响应。
2. 数据安全。通过控制活动保护数据资产，包括可获得性、可用性、完整性、连续性、可审计和数据安全。
3. 隐私。通过制度和合规性监控，控制私人信息、机密信息、个人身份信息（PII）等。

驱动因素二：改进流程

1. 法规遵从性。有效和持续地响应监管要求的能力。
2. 数据质量提升。有效和持续地响应监管要求的能力。
3. 元数据管理。建立业务术语表，用于定义和定位组织中的数据；确保组织中数量繁多的元数据被管理和应用。
4. 项目开发效率。在系统生命周期（SDLC）中改进，以解决整个组织的数据管理问题，包括利用数据全周期治理来管理特定数据的技术债。
5. 供应商管理。控制数据处理的合同，包括云存储、外部数据采购、数据产品销售和外包数据运维。

目标和原则

数据治理的目标是使组织能够将数据作为资产进行管理

数据治理基础原则(现阶段不理解具体含义)

• 领导力和战略（Leadership and Strategy）

  成功的数据治理始于远见卓识和坚定的领导。数据战略指导数据管理活动，同时由企业业务战略所驱动。

• 业务驱动（Business-driven）

  数据治理是一项业务管理计划，因此必须管理与数据相关的IT决策，就像管理与数据有关的业务活动一样。

• 共担责任（Shared Responsibility）

  在所有数据管理的知识领域中，业务数据管理专员和数据管理专业人员共担责任

• 多层面（Multi-layered）

  数据治理活动发生在企业层面和各地基层，但通常发生在中间各层面

• 基于框架（Framework-based）

  由于治理活动需进行跨组织职能的协调，因此对数据治理项目必须建立一个运营框架来定义各自职责和工作内容

• 原则导向（Principle-based）

  最好把核心原则的阐述和最佳实践作为策略的一部分工作。参考这些原则可以减少潜在的阻力

基本概念

数据治理是为了确保数据被正确的管理而不是直接管理数据。数据治理相当于是将监督和执行的职责分离开。

数据管理岗位类型

• 管理专员
• 首席数据管理专员
• 高级数据管理专员
• 企业数据管理专员
• 业务数据管理专员
• 数据所有者：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。
• 技术数据管理专员：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。
• 协调数据管理专员

活动

成功的数据治理应当是清楚的了解需要治理什么，怎么治理，以及谁来治理

1.规划组织数据治理

规划1：执行就绪评估

• 数据管理成熟度（第15章）
• 变革能力（第17章）
• 协作准备
• 与业务保持一致

规划2：探索与业务保持一致

数据治理项目必须能够被找到并提供特定的价值来为组织做出贡献、

规划3： 制定组织触点

协调工作的一部分包括为数据治理工作制定组织触点。

1. 采购和合同（Procurement and Contracts）
2. 预算和资金（Budget and Funding）
3. 法规遵从性（Regulatory Compliance）
4. SDLC/开发框架（SDLC/Development Framework）

2.制定数据治理战略

数据治理战略定义了治理工作的范围和方法。

数据治理战略交付物：

• 章程
• 运营框架和职责
• 实施路线图
• 为成功运营制定计划

运营框架考虑点

1. 数据对组织的价值
2. 业务模式
3. 文化因素
4. 监管影响

3.实施数据治理

3.1发起数据标准和规程

数据管理知识领域的标准化概念示例如下：

1. 数据架构（Data Architecture）。它包含企业级数据模型、工具标准和系统命名规范。2）数据建模和设计（Data Modeling and Design）。它包括数据模型管理程序、数据模型的命名规范、定义标准、标准域、标准缩写等。
2. 数据存储和操作（Data Storage and Operations）。它包括标准工具、数据库恢复和业务连续性标准、数据库性能、数据留存和外部数据采集。
3. 数据安全（Data Security）。它包括数据访问安全标准、监控和审计程序、存储安全标准和培训需求。
4. 数据集成（Data Integration）。它是用于数据集成和数据互操作的标准方法、工具。
5. 文件和内容（Documents and Content）。它包含内容管理标准及程序，包括企业分类法的使用，支持法律查询、文档和电子邮件保留期限、电子签名和报告分发方法。
6. 参考数据和主数据（Reference and Master Data）。它包括参考数据管理控制流程、数据记录系统、建立标准及授权应用、实体解析标准。
7. 数据仓库和商务智能（Data Warehousing and Business Intelligence）。它包括工具标准、处理标准和流程、报告和可视化格式标准、大数据处理标准。
8. 元数据（Metadata）。它指获取业务和技术元数据，包括元数据集成和使用流程。
9. 数据质量（Data Quality）。它包括数据质量规则、标准测量方法、数据补救标准和流程。
10. 大数据和数据科学（Big Data and Data Science）。它包含数据源识别、授权、获取、记录系统、共享和刷新。

3.2 制定业务术语表

因为数据代表自身之外的事物，为了减少歧义混乱，提升沟通效率，明确的定义数据含义尤为重要

业务术语表的目标：

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。

3.3协调架构团队合作

3.4 发起数据资产估值

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。

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。

1 线上应用/网站

数据治理规划网站

2 业务术语表

3 工作流工具

4 文档管理工具

5 数据管理记分卡

实施指南

数据治理活动部分（数据治理规程，运营计划，数据成熟度评估）执行结束后，便可以启动实施数据治理（参见第15章）。

1 组织和文化

2 调整与沟通

管理和沟通变更所需要的工具包括：

• 业务战略/数据治理蓝图
• 数据治理路线图
• 数据治理持续业务案例
• 数据治理指标

度量指标

为了应对长期学习曲线的阻力和挑战，对数据治理项目必须要有通过证明数据治理参与者如何增加业务价值和实现目标的指标来衡量进展和成功。

数据治理指标的实例包括：

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（既他们是否正常工作）。
   2. 标准和规程的遵从情况（既员工是否在必要时遵守指导和改变行为）。