数据治理失败

您是否正在努力成为一个数据驱动的组织,并陷入完善数据治理模型的困境?太多组织陷入这种情况。这阻碍了他们向企业数据战略迈进。

头刮刀困惑
Thinkstock

数据已成为大多数企业提高效率和运营绩效所必需的生命线。组织领导者和员工正在努力开发有效的数据治理模型,该模型重点关注高质量数据,以推动业务发展。 ERP,CRM和供应链管理等系统依赖于整个组织的高质量和完整数据。

这些数据挑战导致许多组织过分强调数据治理模型,却以重新集中业务以实施数据驱动方法为代价。

因此,组织应努力避免对数据治理进行大肆宣传,并在高质量数据与适当实施数据驱动的流程之间实现健康的平衡,从而造福于企业。

定义数据治理

无论您走到哪里,都将听到组织将资源用于数据治理的信息。数据治理跨越许多不同的功能领域,每个企业可以对该术语有自己的精确定义。

在一般意义上,数据治理可以描述为用于管理组织数据以便调整策略,定义目标并建立用于处理企业信息的相关策略的组织框架。

在数据质量方面进行数据治理

数据治理涉及数据质量,所有权和安全性,元数据以及分析过程。在大多数组织中,“管理”一词往往会甩掉员工,这些员工可能会与组织中的数据治理以及他们的具体角色感到困惑。

为了明确数据治理在业务中的作用,应该在数据质量以及更高质量的数据如何提高业务效率方面进行更多定义。高数据质量应该是任何数据治理活动的基本目标,并且应该是重点关注的领域。实际上,Gartner的研究表明,糟糕的数据质量使组织平均损失了 每年800万美元。

正确实施数据治理的挑战

许多企业不愿花太多时间定义数据治理模型,以致最终阻碍了其组织成为数据驱动的组织。

企业在建立数据治理模型时会犯一些常见的错误。这些包括:

设计数据治理

许多陷入数据治理困境的组织通常无法正确设计其数据治理模型。设计这样的模型意味着识别公司的文化,决策过程,运营设置和所有权环境。每个组织都需要了解其如何在不同功能区域之间处理和共享信息,以实施可使用数据推动组织前进的过程。

在设计数据治理模型时,应明确定义跨功能区域的特定挑战和基准。例如,如果数据治理可以为企业带来更安全的数据,或者与客户之间更好的通信流程,则应根据整个组织可以作为目标的特定目标和模型来定义模型。

将数据治理作为一个有限的项目

围绕数据治理的大肆宣传使大多数组织将模型实施为单独的,分散的计划。通常,这种方法不会与组织的其余过程交织在一起。

为了使实施成功,它应该是系统的,明确的定义和连续的。信息类型和数据量的变化应纳入框架,有关访问和处理新传入数据的决策应纳入正式结构。

无法建立现有流程

大多数数据治理模型往往会忽略为处理和处理数据而设置的当前系统。当前处理数据流程的决策人员在设计数据治理模型时应考虑其输入。

这些专业人员的意见可以帮助定义模型的范围以及组织内数据治理将涉及的复杂性。忽略内部数据专业人员的独特观点可能导致没有内部检查和平衡的不平衡数据治理模型。

实现数据治理成功

组织需要超越设计数据治理模型的阶段。他们需要开始实施以数据为驱动力的战略,这将使他们能够解决分析问题。成功进行数据治理的公司通常在其战略中具有以下流程:

人员,政策和程序

有效的数据治理流程涉及人员,策略和过程的协同努力。在共同协作以提供输入以定义需要管理的数据以及设计实现模型的相关政策和程序方面,人们很重要。

这些策略是围绕数据访问和使用的规则和规章,而过程是将指导组织访问,处理和改善数据使用的控制结构。

将数据治理视为产品

组织应采用与设计消费产品相同的方式来进行数据治理。产品开发过程是连续的,未来的并且针对特定需求。

数据治理应以几乎相同的方式实施,重点是效率,业务目标和目的,以及旨在持续增长和改进的长期方法。

数据治理是治理结构的一部分

数据治理涉及如何收集,处理和访问数据以用于业务计划的过程。由于该框架的范围,数据治理不应孤立地实施。相反,它应该是组织内其他治理程序的核心组成部分。

IT,公司和数据治理应共同努力,以形成完整的数据治理流程。

版权© 2017 IDG通讯,Inc.