数据治理准备的支柱：企业数据管理方法( erwin数据建模与治理)

数据泄露的数据困境持续占据头条新闻，并进一步凸显了在企业范围内查看数据资产的重要性。备受瞩目的数据泄露案件与其他突出的数据丑闻有些不同，因为它本身并不是“违约”。但疏忽问题依然存在，在所有情况下，数据治理都是一个问题。

《华尔街日报》刊登了一篇题为《公司应警惕公众对数据日益增长的焦虑》的报道。该报道讨论了IBM对10000名消费者进行的一项民意调查。在该调查中，78%的受访者表示，公司保持数据保密的能力极为重要，但只有20%的人完全信任与其互动的组织来维护数据隐私。事实上，60%的人表示他们更关心网络安全，而不是潜在的战争。

文章最后为首席信息官们提供了一个明确的教训：“他们必须将数据治理和遵守欧盟《通用数据保护条例》等法规作为更大的优先事项，保持对数据的跟踪，确保公司有能力监控其使用情况，如有必要，将其删除。”

有了更彻底的数据治理举措，以及对数据资产、其血统和有用的保质期以及访问权限的更好理解，数据泄露的公司很可能已经提前解决了问题，并在问题成为问题之前将其平息。有时，如果保留数据的回报大于风险，则擦除是最好的方法。

《通用数据保护条例》生效后，这种类型的数据陷阱将使公司不符合规定，因为该法规需要数据所有者的直接同意（如果存在实际违规行为，则在72小时内通知）。

考虑到《通用数据保护条例》，以及数据泄露公司面临的巨大公关后果和政府调查，公司无法承受这样的数据治理错误。

在过去的几周中，我们一直在详细探讨数据治理准备的五大支柱，以及它们如何结合在一起，以全面了解组织的数据资产。在本博客中，我们将把企业数据管理方法作为第四个关键支柱。

企业数据管理的四个步骤

企业数据管理方法论解决了更广泛的数据管理软件中对数据治理的需求，所有组件和解决方案一起工作以获得最大利益。

一个成功的数据治理计划应该提高企业对数据血缘的理解，并配置有一个有效的权限系统，以防止错误的人访问。另一方面，成功的数据治理使数据更容易被发现，具有更好的上下文关联内容，因此合适的人可以更好地使用它。

这就是数据治理2.0的本质——帮助组织更好地理解其数据资产，并使其更易于管理和利用——在数据治理1.0失败的地方，它取得了成功。

企业数据管理：那么你从哪里开始？

1.元数据管理为组织提供有关其数据资产的上下文关联信息。没有它，数据治理基本上是盲目的。

元数据管理的价值在于能够通过跨部门标准和定义管理整个组织使用的通用和参考数据，允许数据共享和重用，减少数据冗余和存储，避免由于错误选择或重复而导致的数据错误，并支持数据质量和分析能力。

2.您的组织还需要了解企业数据架构和企业数据建模。如果没有它，企业数据治理将很难得到支持。

企业数据架构通过数据移动、数据转换和数据集成等概念支持数据治理，因为数据治理为这些活动制定了政策和标准。

数据建模是数据架构的重要组成部分，对数据治理也至关重要。通过深入了解数据所满足的用例，组织可以更好地主动分析数据生命周期，并更好地衡量保存数据的风险/回报。

数据管理员作为中小企业参与数据模型的开发和完善，并协助创建数据模型所代表的数据标准。这些工件允许您的组织使用企业数据架构实现其业务目标。

3.让我们面对现实，大多数组织实施数据治理是因为他们想要高质量的数据。企业数据治理是数据质量管理成功的基础。

数据治理通过制定标准政策、实践、数据标准、通用定义等支持数据质量工作。数据管理员实施这些数据标准和政策，支持数据质量专业人员。

这些标准、政策和实践导致有效和可持续的数据治理。

4.最后，没有商业智能和分析，数据治理不会增加任何价值。数据治理对商业智能和分析的价值在于能够管理从数据源到仓库/集市目的地的数据，定义这些阶段的数据标准，并在适当的情况下推广通用算法和计算。这些好处使组织能够通过商业智能和分析实现其业务目标。

在竞争中获得优势

老派数据治理是片面的，主要关注编目数据以支持搜索和发现。这里缺乏短期价值常常导致高管支持减少，因此数据治理的任务被分散在IT内部。

通过使用协作数据治理2.0方法，将数据治理的责任分散到使用数据的人中，从而规避了这些问题。这意味着数据资产被记录在更多的上下文关联内容中，对组织有更大的用处。

这也意味着高管层员工在参与数据治理时更加了解数据治理的工作，并在优化数据分析流方面看到了额外的收入潜力，从而加快了上市时间。

我们将这种企业范围的、协作的2.0数据治理方式称为企业数据治理体验。但撇开组织协作不谈，真正的数据治理体验可以说是它促进解决方案之间的协作。数据治理体验平台认识到数据治理对企业数据管理方法套件的根本依赖，并将其统一起来。

通过在一个平台上存在并共享一个存储库，组织可以保证其数据在整个组织中是统一的，不受部门的影响。

此外，它还允许跨平台实时更新，从而大大改进了工作流。例如，对数据字典中的术语的更改将自动反映在所有连接的数据模型中。

此外，数据治理体验集成了企业架构，以在其与企业战略的关联范围内定义应用程序功能和相互依赖性，从而使技术投资能够根据业务目标进行优先排序。

还包括业务流程，这样企业就可以清楚地定义、映射和分析工作流，并构建模型以推动流程改进，同时确定易受最大安全性、合规性或其他风险影响的业务实践，以及最需要控制以减轻风险的地方。

从本质上讲，数据治理需要成为一项增值战略举措，而不是逐渐消失的孤立努力。

上一条：怎样用Origin快速处理XPS能谱数据

下一条：Axure教程|中继器版穿梭表格