网络研讨会: Data Fabric 的重要性。 回答最常见的 3 个问题。

定义

什么是数据治理?

数据治理包含支持企业数据管理的策略、流程和组织结构。 数据治理计划的结构有助于利益相关方了解组织数据,确保数据安全,并获得对数据的信任,尤其是随着企业扩大规模并积累更多的数据源和资产。随着新数据的激增,企业需要确定合适的大数据环境(例如数据湖)以用于存储和访问,同时还需要设计一个数据架构来治理和集成这些数据源,使其在整个组织中可用。 由于能对各种团队的工作流程和决策产生影响,这种数据集成变得越来越重要。

数据治理对于组织的数据管理总体战略至关重要,并且是完整 DataOps 实践的一部分。 它有助于您了解自己拥有什么数据、数据位于何处以及数据如何使用。数据治理可为业务就绪数据奠定基础,并通过遵守定义的规则和流程,加快分析和执行业务增长计划。

数据治理和 IBM

具有集成数据目录的数据治理平台可以帮助您的组织查找、整理、分析、准备和共享数据以支持 AI 计划。 IBM 数据治理解决方案有助于确保数据管道准备就绪,帮助对敏感数据进行编目、保护和治理,并跟踪数据沿袭。

为何选择 IBM

IBM Watson® Knowledge Catalog

借助以有效的元数据和策略管理为支持的数据目录,激活用于 AI 和分析的业务就绪数据。帮助您的同事找到数据以进行整理、分类、治理、分析和使用。

深入了解数据治理

数据治理的好处

利用强大的数据治理实践,利益相关方可以在保护数据的同时获得更深入的洞察,从而实现跨组织的成功。

更出色的数据安全性与合规性

不同类型的数据可能具有不同的权限和相关规则,特别是在该数据包含个人可识别信息 (PII) 时。 数据治理实践有助于提高安全性与合规性,帮助企业降低违规风险和罚款,并赢得客户信任。 数据治理实践有助于了解存在哪些 PII 以及它们位于何处,同时通过策略和元数据管理可以自动合规。

隐私法规是随着欧洲通用数据保护条例 (GDPR) 等全球性法规的出台而兴起,该法规旨在为欧洲公民提供数据隐私,尤其是在互联网上。 此外,还出现了越来越多的行业特定法规和区域性法规,比如《健康保险可移植性和责任法案》(HIPAA),旨在保护患者及其个人健康信息。 受数据驱动型市场营销悄然兴起和远程工作方式日渐盛行的影响,合规性法规只会变得越来越普遍,因为客户越来越意识到自己的数据权利,同时企业也在积极应对愈发严峻的声誉风险。

改进的数据质量

商业智能工具的好坏取决于提供给它们的数据。如果没有适当地清理和管理底层数据,这会限制用户制定明智业务决策的能力。 此外,数据往往来自各种各样的数据源,其中的不一致性会阻碍分析和其他关键项目的顺利进行。 数据治理有助于将不同系统间的信息联系起来,确定有意义的关系,以便充分利用组织的数据,同时确保关键数据不会被遗忘。

加速实现自动化

有了维护数据结构和质量的实践和工具,分析团队可以利用机器学习算法开始创新,并使特定任务和流程实现自动化。 例如,可将客户数据输入到模型中,以确定如何在销售管道中对潜在客户划分优先级。 因为数据治理实践有助于确保客户数据的准确性且受到保护,团队就能实现更好的业务增长,并进行更有针对性的销售。

与数据治理有关的角色

一些角色在数据治理实践中至关重要。 有三个角色可以确保随时间推移创建和维护标准,帮助实现数据合规性、安全性、数据质量和自动化目标。

首席数据官

执行发起人(例如首席数据官)通过数据治理计划的优先级向组织传达它的重要性。 这些人员对跨职能委员会的发展起着重要作用,该委员会的成员通常来自各个业务部门,代表不同学科或产品组合的需求和问题。 该委员会可以充当论坛,用于交流新的数据治理计划和分配责任,以便按商定的时间线取得成果。

数据所有者

这些人员负责维护数据的状态。 人员的指定通常是基于所管理的数据类型(如客户或财务数据),他们的角色旨在维护数据准确性和易用性。 常见任务包括对数据问题进行故障诊断、审批数据定义以及提供数据建议,特别是在与任何法规要求相关时。

数据管理员

这些人员是其数据领域的主题专家 (SME),可对数据策略产生影响,并为整个组织的数据治理提供支持。由于能够传达特定数据点对业务流程或决策的重要性,因此他们还可以影响数据库表的结构,确保找到正确的数据以用于报告。 总体而言,数据管理有助于使利益相关方承担起维护数据质量的责任。

数据治理框架

多年来,尤其是随着数字化转型项目的发展,数据治理实践的采用率不断增加。为了让数据治理计划取得有效成果,它们应该包括一些组件,例如:

数据标准

应当开发数据字典、分类法和业务词汇表,以便明确业务和数据定义。 此文档减少了对话中的困惑之处,特别是涉及度量和报告的内容。 它还为利益相关方提供了数据架构可视性,使团队能够自行创新,使其学科中的流程实现自动化。

数据流程和组织结构

数据治理流程为最终用户提供了透明性,使他们能够了解在组织内如何处理数据。这可以包括数据刷新频率、PII 限制、监管数据政策,甚至包括数据访问之类的简单内容。通过明确不同角色在数据管理和维护中的职责,这类文件还支持组织结构。

技术

不同的数据治理工具(例如元数据管理平台)都可支持与数据有关的流程和标准。 这些工具可以存储和保护有关组织所管理的数据的信息。 这可以包括有关业务定义、数据日志、数据所有者、数据库信息(例如数据库和表名称、服务器位置、数据类型等)的文档。 还可以将其提供给自助数据分析工具,使分析人员能够查询和直观查看用于报告或创新项目的不同数据集。

客户现身说法

您可能还对以下内容感兴趣

IBM Cloud Pak for Data

一个灵活的多云数据平台,可在本地或云端集成数据,有助于从源头提高数据安全性。

IBM® DataStage®

一种高度可扩展的数据集成工具,用于设计、开发和运行迁移和转换数据工作,可部署在本地和任何云上

IBM InfoSphere Master Data Management

单个或多个领域的主数据管理,包括客户、供应商、产品和帐户等

智能地实现数据和 AI 自动化

了解下一代 IBM Cloud Pak® for Data。

后续步骤