数据治理成熟度模型是一种工具和方法，用于衡量组织的数据治理计划并在整个组织内简单地传达它们。简介在不存在数据治理协议的组织中，无法保证数据质量。当数据是非结构化的并且没有记录对其的更改时，其质量会迅速下降。这不仅是数据团队最头疼的问题，而且还阻碍了业务用户利用企业数据进行创新。低质量的数据和不存在的数据管理流程会导致数据集不准确。当数据错误时，后果可能是灾难性的，从有害的业务决策到潜在的数据泄露和代价高昂的合规违规。为了解决这些问题，组织必须部署数据治理策略，但要使该策略成功，需要高度的数据成熟度。实现这一目标的最佳方法是采用数据治理成熟度模型。数据治理成熟度及其模型为了实现更高级别的数据治理成熟度，组织必须遵守数据治理成熟度模型。这个模型有很多例子，但在我们深入研究最著名的例子之前，先了解一些术语。数据治理成熟度到底是什么？数据治理成熟度是指组织在实施和采用数据治理计划方面所达到的阶段。一个不成熟的组织将拥有大量未组织的数据，并且不会使用它们来推动增长。或者，成熟的组织将充分意识到数据作为关键业务资产的重要性，并相应地对其进行管理和管理。什么是数据治理成熟度模型？数据治理成熟度模型是一种工具和方法，用于衡量和简单地在整个组织内传达组织的数据治理计划。在一个成熟的组织中，所有流程都已到位，可以管理、访问和使用数据资产进行创新。不太先进的组织可以使用成熟度模型来实现这一点。有一些众所周知的数据治理成熟度模型，包括来自IBM、斯坦福、Gartner和Oracle的示例。这些模型提供了一种方法，企业可以通过这种方法学习如何有效地管理数据、提供用户访问权限、确保高质量的数据，并使组织中的每个人都能从这些进步中受益。数据成熟度没有放之四海而皆准的模型，即使选择了一种模型，也需要对其进行调整以适应组织。当组织达到最高级别的数据治理成熟度时，就会看到可见的结果。在整个公司范围内，数据将用于创新和协作并做出更好的业务决策，这些组织将避免因不遵守数据保护法规而受到巨额罚款。我应该使用哪种数据治理成熟度模型？尽管有多种数据治理成熟度模型，但在开始决定数据治理成熟度模型时需要考虑许多因素。其中包括关键业务驱动因素、实施模型所需的预算、现有数据管理和治理框架以及您所在的行业。渐进式数据治理成熟度模型每个数据治理成熟度模型的目标都是相同的，但Gartner和IBM都没有提供克服组织将面临的挑战所需的详细信息。组织能够跟踪其数据治理计划的进度。第1级：未定义不知道数据的重要性不采取任何行动流程是反应性的且通常是混乱的第2级：意识到意识到数据的重要性理解并记录现有数据实践提供数据源检查清单第3级：已定义的数据治理规则和政策定义数据所有者和数据管理员建立治理委员会安装数据目录第4级：实施强制数据治理政策和执行规则经过培训的收集和测量数据设置警报以监控用户提出的数据质量问题第5级：优化优化规则和政策以提高效率重新设计工作流减少了用户标记的冗余数据以提高可发现性数据治理成熟度模型应该应用于数据治理三个核心领域：数据质量、数据访问管理和数据素养。目的是将该模型独立应用于三个领域中的每一个领域，并逐步解决数据治理问题。了解您的组织所在位置并进入下一级别的最佳方式是通过正式问卷向数据用户提问。这将有助于了解组织的位置、员工知道什么以及他们不知道什么。IBM数据治理成熟度模型IBM数据治理成熟度模型是最广为人知的模型之一。该模型于2007年开发，旨在帮助组织确定11个核心数据治理领域的进展情况。这些包括数据意识和组织结构、数据战略、数据治理、数据质量管理、数据生命周期管理、IT安全和隐私、数据架构、数据分类、合规性、价值创造和审计。级别1：最初仅限于无数据流程或治理数据管理是临时的和被动的没有跟踪数据的正式流程错过最后期限和超出项目预算要升级到级别2，数据团队应审查其组织中的数据共享方式在数据中，并制定一个包括数据所有者和其他利益相关者的计划。第2级：受管用户意识到数据的商业价值一些数据项目（例如地图数据基础设施）正在进行中自动化程度商定并提供小数据治理措施数据团队开始关注元数据要达到第3级，治理措施需要进一步开发和记录。为此，您需要开始创建模型来映射您的关键基础设施和需求。第3级：数据策略已明确定义已确定并任命了一些数据管理员正在使用一些数据管理技术正在制定数据集成计划用户正在共享和理解数据管理流程主数据管理已司空见惯正在使用数据质量风险评估措施随着组织继续指定和实施数据策略和治理流程，他们将进入第4级。第4级：量化管理数据战略明确定义企业级数据治理措施到位明确的数据质量目标到位数据模型已准备好使用数据治理原则驱动所有数据数据成熟度级别，必须专注于生成KPI和其他性能指标。为此，必须制定清晰、简洁的数据模型执行计划。第5级：优化数据管理降低成本自动化很普遍全公司采用明确和全面的数据管理原则数据治理是公司文化的一部分计算和跟踪数据项目的投资回报率是标准做法成熟的组织将充分意识到数据管理的重要性数据作为关键业务资产的重要性，并据此进行管理和管理。Gartner数据治理成熟度模型另一个被广泛认可的模型是Gartner数据治理成熟度模型。自2008年以来，Gartner模型帮助企业实现了五个主要目标：企业范围内的数据集成内容统一的主数据域集成畅通的信息渠道元数据管理级别0：未定义没有数据治理、数据所有权或问责制没有信息的流程或架构共享没有标准化或元数据管理大多数归档和文档共享是通过电子邮件完成的没有统一性，数据碎片化违反合规规定的潜在影响。级别1：明显缺乏数据所有者的意识企业领导者承认缺乏对企业信息管理(EIM)的支持数据的价值越来越明显意识到冗余报告和低效BI流程的数据策略和流程没有EIM的风险变得清晰行动项目：数据团队必须制定符合现有企业架构和战略业务目标的EIM战略。第2级：反应性组织了解公司数据的价值数据开始在部门、项目和系统之间共享数据质量过程是反应性的政策到位，但采用率低正在开发数据信息和保留评估过程行动项目：关键商业领袖必须促进初始程序并鼓励采用。同时，必须提供一个整体的价值主张。第3级：确定积极的数据管理员和所有者，并在确定关键企业流程角色和治理模型时积极协作全公司遵守治理协议数据治理是每个项目运营的开发和部署的组成部分风险降低行动项目：创建并向业务利益相关者和管理层展示EIM战略，并确定部门级别的EIM机会。第4级：治理企业范围内对数据至关重要的共识数据政策到位、启动并得到充分理解数据治理机构创建数据指标定义明确且可访问行动项目：必须清点IT管理任务以审查它们是否遵循EIM政策。应该有一个记分卡来评估数据管理过程。第5级：数据和管理信息的有效使用被视为提供竞争优势有服务水平协议(SLA)实现生产力目标和降低风险是与EIM战略相关的两个目标负责EIM的团队是成熟和活跃的核心EIM目标已实现行动项目：确保采取措施确保EIM控制和质量标准在领导层变动的情况下继续进行。当一家公司达到最高级别的数据治理成熟度时，就会看到可见的结果。结论数据是现代业务增长的最重要驱动力。不仅支持关键业务决策，而且支持协作实践以帮助组织范围内的创新。我国在2018年发布了DCMM国家标准，同样分为五个等级。有兴趣的朋友可以深入学习了解。这里只希望起到招揽他山玉石的作用。
