数据治理工具
发布时间：2019-11-28 15:11

数据治理是指一个组织为确保数据是可发现的并且其质量是好的而进行的战略性和持续性的努力，它还用于使数据更容易理解和更安全。

使端到端的数据治理成为可能的技术包括数据分类，数据素养，业务流程建模，企业体系结构和数据建模。

研究表明，业务领导者意识到需要数据治理工具。实际上，erwin的“ 2018年数据治理状态报告 ”中有98％的参与者认为数据治理对他们的组织而言“重要”或“至关重要”。

多年来，组织面临着许多对数据治理工具的需求，这些挑战包括：

1.      数据的数量，种类和速度不断提高（“三个Vs”）

2.      管理良好的数据可以带来的潜在收入

3.      负责数据，多样化（或数据民主化）的员工和系统

此外，Airbnb，Netflix和Uber等数据驱动公司所遇到的前所未有的行业中断，也证明了管理良好的数据的好处。

这样的例子具有说服力和普遍性，导致数据治理采用的兴起。

近年来，对数据治理的严格要求也有所增加。

在美国，《健康保险可移植性和责任法案》（HIPAA）要求医疗领域的组织保护某些健康信息的隐私和安全。

其他受到高度监管的行业，例如金融服务，也面临严格的数据隐私规定，包括来自巴塞尔银行监管委员会（BCBS）和金融行业监管局（FINRA）的规定。

现在，新的、与行业无关的法规，如通用数据保护法规（GDPR）和即将出台的加州消费者保护法案（CCPA），为数据驱动的企业在没有数据治理的情况下运营留下了很小的空间。

GDPR和CCPA之间的区别，以及为什么您应该期望CCPA成为国家标准

因此，《 2018年数据治理状况报告》显示法规遵从性成为数据治理采用的主要推动力也就不足为奇了。

#数据治理工具和数据伦理

客户的信任/满意度也是数据治理的关键驱动力。考虑到现代业务的局面（数据泄露成为重大新闻），这也不奇怪。

今年早些时候对Facebook和Google征收的罚款提醒我们，监管机构是严厉的，罚款也可能是严厉的。

但是，即使没有监管机构的惩罚，糟糕的数据治理成本仍然是巨大的。

IBM的年度“ 数据泄露成本”报告发现，组织遭受数据泄露的最大损失是业务损失。它还发现，平均而言，数据泄露给企业造成的损失高达390万美元。

也许更令人担忧的是，这些数字正在增加。在过去的五年中，成本增加了12％。

不只是违反。新闻中与数据相关的故事日益突出，导致越来越多的人开始怀疑其个人数据的处理方式。

因此，具有良好数据治理的组织可以使数据道德成为其品牌的一部分。一些组织甚至开始雇用“数据伦理学家”-专门负责监督数据伦理的员工。

随着诸如AI之类的数据驱动技术的用例的增长，您可以期望对道德数据实践的需求也将增长。

#数据治理工具不是可选的

考虑到潜在的收入，监管要求和对数据敏感的消费者，由强大的数据治理工具支持的全面数据治理实践不应再被视为可选的。

但是，建立和维持数据治理计划的最佳方法是什么？

数据治理1.0是一个隔离域，由IT进行管理，因此在很大程度上与更广泛的企业分离。

随着数据以及在战略决策中发现，理解和使用数据的责任日益民主化，IT和业务协作的新方法得以确立。

正如Forrester所定义的，Data Governance 2.0是“一种灵活的数据治理方法，专注于足够的风险管理控制，可以根据不断扩展的业务生态系统不断变化的需求来更广泛，更深入地使用数据。”

在erwin，我们相信这种方法，并将其整合到了我们所谓的erwin企业数据治理经验中，或者简称为erwin EDGE。

erwin EDGE使组织可以在静止和运动状态下查看和控制其数据。

它使企业能够计划和记录如何在上下文中发现和理解其数据，跟踪其物理存在和沿袭以及最大程度地提高其安全性，质量和价值。它还可以帮助组织实施这些步骤。