什么是数据治理？提升您的业务战略与决策能力

什么是数据治理？

数据治理是指建立指导方针、规范与流程，以确保公司数据资产的高效管理、使用与保护。该框架对于维持高质量、安全且被有效利用的数据至关重要。

在组织内，数据管理、数据所有权与数据管理职能协同运作，共同确保强健的数据治理：

• 数据管理：负责数据的日常处理与维护。
• 数据所有权：为特定数据集分配责任与决策权。
• 数据托管（Stewardship）：确保依据所有者指示与组织政策对数据进行管理。

全面的数据治理战略会定义清晰的政策、指南与流程，通过建立组织结构与职责来确保高数据质量与可靠性。有效的数据治理能够建立信任、提升决策效果，并避免由数据不一致带来的低效。同时，它还能帮助组织遵守法规并降低数据保护与隐私风险。

本质上，数据治理将原始数据转变为可靠资产，驱动明智决策与业务成功。

数据治理为何重要？

对现代组织而言，数据治理之所以至关重要，主要有以下几个原因：

确保数据可信

数据治理对于确保组织内部信息的可信度至关重要。它建立起在整个数据生命周期内维护数据准确性、一致性与完整性的系统与结构，确保数据可用于可靠的分析与决策。缺乏恰当的数据治理，错误与差异会导致结论不准，甚至造成高昂代价的失误。

合规要求

有效的数据治理是实现合规的基础。诸如 GDPR（通用数据保护条例）与 CCPA（加州消费者隐私法）等法规要求组织对数据进行负责任的处理。关键要点包括：

• 界定数据所有权：清晰分配数据集的责任归属。
• 实施访问控制：确保只有授权人员才能访问敏感数据。
• 设定数据留存规则：定义数据应保存多久以及何时删除。

这些措施有助于组织证明其遵守数据隐私与安全法规，降低罚款风险，并防止因数据泄露或滥用而导致的声誉受损。

正如 ThoughWorks 的数据治理负责人 Tiankai Feng 在最近一期DataFramed 播客中所解释的：

在更多人能够访问数据、且对数据安全性更受关注的当下，强有力的数据治理使组织能够自信地在数字环境中前行，确保其实践符合不断演进的法律要求，保障客户安全。

数据安全与泄露防护

数据治理在防范数据泄露与未授权访问方面发挥着重要作用。关键组成包括：

• 执行强健的安全协议：控制谁能查看或修改敏感数据。
• 推进数据分级分类：识别并优先保护关键的信息资产。
• 追踪数据血缘：追溯数据来源与流转，快速发现并遏制泄露。

这些措施可强化关键数据的安全性，降低潜在泄露的影响，并减少攻击者利用被盗数据的机会。

我们的数据治理速查表可作为便捷参考，一目了然掌握这些关键概念。

DataCamp 的数据治理速查表

数据治理框架

有效的数据治理框架是管理组织数据的基础。它涵盖若干关键原则与要素，协同确保数据准确、安全并被负责任地使用。

1. 基础

数据治理框架的基础包括设定主要目标、原则与结构。这涉及梳理数据从创建到销毁的全生命周期如何被管理。

• 诚信：数据相关方应保持诚实与透明，以确保数据治理项目成功，推动信任、团队合作与协作的文化。
• 所有权与问责：明确定义各数据治理角色的职责，避免所有权缺口或重复劳动。关键角色包括首席数据官（CDO）、数据治理委员会成员、数据管理员与数据用户。
• 战略对齐：确保框架支持业务目标并创造价值，明确其与组织战略的相关性。

2. 数据管理

高效的主数据管理（MDM）对于维持数据完整性与实用性至关重要。关键要素包括：

• 标准化与一致性：标准化数据定义，便于跨团队与项目使用。一致的流程确保在组织内及随时间推移的可重复性。
• 数据质量管理：通过定期监控与数据清洗，建立确保数据准确、一致与完整的标准与流程。
• 数据目录与元数据管理：构建集中式仓库，记录数据资产（包括定义、血缘与所有权信息）。该目录可提升数据可发现性与可理解性。
• 数据安全与隐私：实施强有力的安全措施、访问控制与加密技术，保护敏感信息，并确保遵守 GDPR、CCPA 等法规。
• 数据集成与互操作性：建立协议，确保组织内各系统与应用间的数据无缝交换。

3. 流程与持续改进

为确保框架持续有效，必须建立持续改进流程。这包括：

• 数据托管（Stewardship）：指派数据管理员管理特定数据资产，确保数据处理符合组织政策与标准。
• 变更管理：评估新数据治理政策或流程对现有项目的影响，确保框架能应对业务需求变化与新员工加入。
• 风险管理与合规：确保框架符合法律与监管要求，并纳入可审计的流程与控制以维持合规。
• 培训与教育：为员工持续提供培训与资源，涵盖数据治理的政策、流程与最佳实践，培育问责与数据素养文化。
• 指标与评估：建立衡量数据治理项目成效的指标。定期评估有助于发现改进空间，并确保框架适应不断变化的要求。

通过融入这些原则与要素，组织可以构建稳健的数据治理框架，建立对数据的信任，有效管理风险，并支撑明智决策。

数据治理示例

以下是一些知名的数据治理框架与来自顶尖公司的推荐策略：

DAMA DMBOK（数据管理知识体系） 

该完整框架为管理数据的整个生命周期提供了结构化方法。对于希望标准化数据管理实践并确保各部门一致性的组织而言，这是极具价值的综合指南。

关键收获：

• 统一框架在高效管理数据中的重要性。
• 如何减少冗余并确保跨部门一致性。
• 标准化数据管理的最佳实践。

数据治理研究所（DGI）

该框架强调 10 个关键要素，如角色、政策与标准，提供了实施数据治理的详细方法。案例研究展示了清晰的治理结构如何简化决策流程并在全组织范围内强化合规。

关键收获：

• 构建稳健数据治理项目所需的关键组成部分。
• 明确定义的治理结构带来的益处。
• 如何简化决策并强化合规。

普华永道企业数据治理框架

该框架侧重将数据治理与整体业务战略对齐，强调领导支持与组织变革管理。案例展示了将数据治理融入业务战略如何提升决策并推动组织成功。

关键收获：

• 自上而下支持在数据治理中的重要性。
• 将治理与业务目标对齐的必要性。
• 在数据治理中管理组织变革的策略。

沃尔玛全球数据治理

沃尔玛采用集中式数据治理委员会来制定政策并确保组织范围内的数据质量。该案例展示了集中式治理方法如何维护数据完整性并提升数据质量。

关键收获：

• 集中式治理方法的有效性。
• 维护数据完整性与提升数据质量的策略。
• 设立专门委员会监督数据治理举措的益处。

数据治理工具

以下按不同数据治理职能对常用工具进行分类概述：

数据目录

Collibra

• 企业级的数据治理管理平台，值得信赖。
• 优先保障对数据的理解，支持数据监督者，并确保符合法规。
• 最适合：具有复杂数据生态与严格合规要求的大型企业。

Alation

• 以易用界面与数据探索为重点而闻名。
• 支持自然语言搜索与自动数据分类。
• 可连接多种数据源以实现全面组织。
• 最适合：重视数据普惠与自助分析的组织。

Informatica Enterprise Data Catalog（EDC）

• 与 Informatica 的数据管理套件无缝协作，确保一致治理。
• 提供数据血缘的可视化，并集成协作功能。
• 最适合：已在使用 Informatica 产品或寻求端到端数据管理方案的公司。

Stibo Data Catalog

• 在数据目录中强调对主数据（MDM）的管理。
• 确保关键数据资源的持续可靠与精确。
• 最适合：产品或客户数据复杂、需要严格主数据管理的组织。

数据血缘与元数据管理工具

Informatica

• 面向大型企业的完整数据管理与治理解决方案。
• 分析数据来源，理解信息流与关联的形成。
• 最适合：数据源多样、生态复杂的大型企业。

Talend

• 开源平台，提供数据集成与质量功能。
• 支持数据血缘追踪与管道可视化。
• 最适合：寻求具备均衡功能的开源解决方案的组织。

LineageWorks

• 基于云的数据血缘平台，具备高级可视化能力。
• 专为复杂数据管道而设计。
• 最适合：数据流复杂、需要细粒度血缘追踪的公司。

Cloudera Navigator

• 与 Cloudera 数据平台集成，用于 Hadoop 生态的数据血缘追踪。
• 最适合：在 Hadoop 与大数据技术上投入较多的组织。

数据质量与数据剖析工具

Ataccama

• 利用人工智能与机器学习自动评估数据准确性。
• 提供分析数据结构、分布与异常的工具。
• 包含数据清洗与数据丰富功能。
• 最适合：寻求 AI 驱动的数据质量管理的组织。

Trifacta Wrangler

• 用户友好的数据准备与质量改进工具。
• 提供数据特征的可视化分析。
• 具备数据清洗与转换功能。
• 最适合：希望赋能业务用户开展数据准备任务的公司。

Informatica PowerCenter

• 数据集成平台，内置数据剖析与清洗功能。
• 最适合：需要在数据集成同时实现质量管理的企业。

数据安全与访问管理工具

IBM InfoSphere Guardium

• 强大的数据安全系统，用于监控与管理数据访问。
• 提供数据加密、脱敏与活动追踪。
• 可与用户访问管理系统集成。
• 最适合：数据安全要求严苛的大型企业。

Microsoft Azure Purview

• 面向 Azure 环境的云端数据治理平台。
• 提供数据发现、分类与访问控制功能。
• 与 Azure Active Directory 集成，实现安全的访问管理。
• 最适合：深度使用 Microsoft Azure 生态的组织。

SailPoint

• 身份管理系统，用于控制用户对数据资源的访问。
• 最适合：寻求先进身份与访问管理以支撑数据治理的公司。

McAfee Data DLP（数据泄露防护）

• 专注于防止未授权的数据泄露。
• 确保遵守数据安全法规。
• 最适合：优先防止数据泄漏并确保合规的组织。

如何选择合适的数据治理工具

为数据治理举措选对工具至关重要。请从以下方面考虑，做出明智选择：

1. 组织需求与目标

• 明确优先级：识别您更侧重于数据的组织与管理，还是其防护与安全。选择与特定需求与目标相匹配的工具。

2. 规模与财务资源

• 评估预算：结合企业规模与预算考量。判断功能更全面的企业级方案是否在财力范围内，或开源替代是否亦能有效满足需求。

3. 技术环境

• 集成能力：评估工具与现有系统及技术栈的集成度。确保兼容性，以便实现顺畅的数据治理流程并避免中断。

4. 易用性与可拓展性

• 易于使用：选择用户友好、直观的工具，降低团队学习成本。确保工具可扩展，能够随着组织的成长与数据治理需求的演进而匹配。

通过审慎考量这些因素，您可以选定既满足当前需求、又能支撑组织长期数据治理战略的工具。

数据治理工具对比表

如何实施数据治理

数据管理在最大化组织数据潜力、促进信任与明智决策方面发挥关键作用。按照以下简单步骤开启您的旅程：

1. 设定目标与指标

明确您希望通过数据治理实现什么：提升数据准确性、更好地满足合规，还是改进决策？清晰的目标将指引项目方向。

2. 获得管理层支持

强调有效数据管理带来的益处，如提高效率、降低成本与优化决策，以争取高层支持。突出数据治理与整体业务目标的一致性。

3. 建立数据管理框架

制定全面框架，详细说明处理数据的角色、职责与流程。纳入数据所有权、访问权限与数据质量标准等方面。

4. 明确角色与职责

组建团队监督数据治理项目，并在各部门指派数据管理员，维护高标准的数据质量与合规性。

5. 设定清晰的数据质量基准

定义确保数据准确性、完整性与一致性的具体标准。确保所有相关方都能获取高质量且一致的信息。

6. 建立数据治理流程

为数据创建、存储、访问与删除等任务制定工作流。将重复性任务自动化，以提升效率并降低错误风险。

7. 制定数据治理培训计划

就新政策与流程提供培训，使员工具备积极参与数据治理所需的知识与技能。

8. 监控与评估绩效指标

监控关键指标，如数据质量合规率与用户采用度，识别改进方向并展现项目成效。

9. 培育数据文化

推动数据文化，让员工以数据为依据进行决策。对重视数据质量与负责任使用数据的行为予以认可与奖励，营造积极氛围。

10. 持续改进

基于反馈、技术进步与业务需求变化，持续审视并调整数据治理框架。将数据治理视为一个持续过程。

4 个常见数据治理挑战及应对之道

1. 获得高管支持

建立数据治理框架的首要挑战之一是争取高管层的支持。没有他们的支持，就难以分配必要资源并将数据治理列为优先事项。应对方法包括：

• 提出有力的商业论证：清晰阐释数据治理带来的长期收益，如改进决策、合规、风险缓释与运营效率提升。
• 强调投资回报（ROI）：展示数据治理如何带来成本节约、收入增长机会与竞争优势。

2. 管理变革

推行新的数据实践往往会遭遇习惯于既有流程的员工的阻力。要克服这一挑战，需要审慎的变更管理：

• 有效沟通：定期向所有相关方沟通数据治理目标、益处与进展。
• 系统化培训：提供全面培训，确保员工理解新实践及其在框架中的角色。
• 用户友好工具：部署易用且能与现有工作流无缝集成的工具，尽量减少干扰。

3. 数据孤岛

当数据被隔离在不同部门内时便会形成数据孤岛，进而阻碍协作并带来低效。消除数据孤岛的方法包括：

• 鼓励协作：营造跨部门共享数据与洞见的协作文化。
• 统一数据视角：建立集中式数据仓库或数据湖，使组织数据可被统一访问与分析。
• 标准化数据定义：确保跨部门数据定义一致，以促进更好的集成与理解。

4. 数据安全

保护敏感数据是数据治理的关键环节。确保稳固的数据安全包括：

• 强有力的访问控制：实施基于角色的访问控制，确保仅授权人员可访问敏感数据。
• 加密措施：对静态与传输中的数据进行加密，防止未授权访问与泄露。
• 定期审计：定期开展安全审计，识别漏洞并确保遵循相关法规与标准。

有效的数据治理对于确保数据可信至关重要，而可信的数据将带来更优的决策、合规与运营效率。

通过应对这些常见挑战——赢得高管支持、管理变革、消除数据孤岛与强化数据安全——组织可构建稳健的数据治理框架，降低风险、促进协作并推动合乎伦理的数据管理，从而助您做出明智选择并实现长期成功。

结语

我们已经看到，稳健的数据治理对于将碎片化数据转化为战略资产至关重要。它确保数据质量、安全与合规，提升可靠性并支持明智决策。对于组织而言，实施全面的数据治理框架还能防范安全泄露并满足监管要求。

要为您组织的数据治理战略启程，请注册 DataCamp 的数据治理导论课程，了解数据治理的基础知识以及其在当今数据驱动世界中的重要性。您还可以探索 数据管理课程，涵盖数据质量、数据湖、数据仓库等内容，帮助您具备实施稳健数据治理项目的技能。