数据治理是当今快速发展和高度竞争的企业环境中的一项要求。现在，组织有机会捕获大量不同的内部和外部数据，他们需要一个规程来最大化其价值、管理风险和降低成本。
一、什么是数据治理
数据治理是一个过程、角色、策略、标准和度量的集合，这些过程、角色、策略、标准和度量确保有效地使用信息，使组织能够实现其目标。它建立了确保跨业务或组织使用的数据的质量和安全的过程和责任。数据治理定义了谁可以采取什么行动，对什么数据，在什么情况下，使用什么方法。
精心设计的数据治理策略对于任何处理大数据的组织都是至关重要的，它将解释您的业务如何从一致、通用的流程和职责中获益。业务驱动程序强调了在数据治理策略中需要小心控制哪些数据，以及期望从这项工作中获得的好处。此策略将是数据治理框架的基础。
例如，如果数据治理策略的业务驱动程序是为了确保医疗保健相关数据的隐私，那么在患者数据流经您的业务时，需要对其进行安全管理。将定义保留要求（例如谁更改了哪些信息以及何时更改了哪些信息的历史记录），以确保符合相关的政府要求，如GDPR。
数据治理确保与数据相关的角色得到明确的定义，并且在整个企业中商定责任和问责制。一个规划良好的数据治理框架涵盖了战略、战术和操作角色和职责。
二、数据治理、数据管理和主数据管理
数据治理经常与其他密切相关的术语和概念混淆，包括数据管理和主数据管理。
1.数据治理不是数据管理
数据管理是指一个组织对整个数据生命周期需求的管理。数据治理是数据管理的核心组成部分，它将数据质量、参考和主数据管理、数据安全、数据库操作、元数据管理和数据仓库等九个学科结合在一起。
数据治理确保为适当的人员分配适当的数据职责。数据管理是指确保数据准确、可控、便于相关方发现和处理的必要活动。数据治理主要涉及策略、角色、组织和策略，而数据管理则涉及执行和操作。
数据管理员负责管理数据资产，确保实际数据与数据治理计划一致，与其他数据资产相连接，并在数据质量、法规遵从性或安全性方面进行控制。
2.数据治理不是主数据管理
主数据管理（MDM）的重点是确定组织的关键实体，然后提高这些数据的质量。它确保您拥有关于关键实体（如客户、供应商、医疗供应商等）的最完整和准确的可用信息。因为这些实体在整个组织中共享，主数据管理是将这些实体的零散视图协调到一个单一视图中，这是一个超越数据治理的规程。
然而，没有适当的治理，就没有成功的千年发展目标。例如，数据治理计划将定义主数据模型（什么是客户、产品等的定义），详细说明数据的保留策略，并定义数据创作、数据管理和访问的角色和责任。
三、数据治理的好处
- 有效的数据治理策略为组织提供了许多好处，包括：
- 对数据-数据治理的共同理解为数据提供了一致的视图和通用的术语，而单个业务单元保留了适当的灵活性。
- 提高了数据质量—数据治理创建了一个确保数据准确性、完整性和一致性的计划。
- 数据映射-数据治理提供了一种高级能力，可以理解与关键实体相关的所有数据的位置，这是数据集成所必需的。就像GPS可以代表一个物理景观，帮助人们在未知景观中找到自己的路一样，数据治理使数据资产变得可用，并且更容易与业务成果联系起来。
- 对每个客户和其他业务实体的360度视图-数据治理建立了一个框架，这样一个组织就关键业务实体的“单一真相版本”达成一致，并在实体和业务活动之间创建适当的一致性级别。
- 一致的合规性—数据治理为满足政府法规（如欧盟通用数据保护法规（GDPR）、美国HIPAA（健康保险可移植性和责任法案）以及PCI DSS（支付卡行业数据安全标准）等行业要求提供了一个平台。
- 改进的数据管理——数据治理将人的维度带入一个高度自动化、数据驱动的世界。它确立了数据管理方面的行为准则和最佳做法，确保传统数据和技术领域以外的关注和需求——包括法律、安全和合规等领域——得到一致的解决。
四、云数据治理
随着越来越多的企业和组织意识到将部分或全部数据存储和流程转移到云集成战略和iPaaS的好处，对有效数据治理的需求也在不断增加。转移到云计算是指将某些任务委托给第三方，如基础设施管理、应用程序开发、安全性等。云计算还涉及技术资源的虚拟化，这可能会带来数据主权挑战，如法规要求数据驻留在某个地方或国家。此外，云优先战略通常鼓励分散化，允许业务线或工作组独立地推出自己的系统，这可能导致不受控制的数据蔓延。
