译者|邱凯审稿人|软件即服务(SaaS)应用程序和社交媒体是来源。这些数据的结合和深入分析可以为企业提供新的见解，帮助他们识别潜在的商机。通过在企业内部扩展和制度化这些能力，企业可以更快地获得业务决策支持，并大大降低试错成本。在将孤立的信息转化为适用于企业的洞察力的过程中，数据治理不是一蹴而就的，而是要找准方向，持之以恒。理想情况下，数据治理应该随着公司战略的发展和适应不断增长的数据而调整和扩展。更重要的是，提供通用的命名约定和信任基础，从而降低跨业务部门和职能部门的沟通成本。如果说数据是一种能量，时效性是业务的货币，那么数据治理就是连接两者的纽带。它是由系统、策略和流程组成的有机整体，实施数据治理的企业可以确保团队在正确的时间使用正确的数据来增强和自动化相关流程、产品和体验。在当今竞争激烈的环境中，这个想法既令人兴奋又有价值。当然，实现这一目标需要投入大量的时间和精力。在本文中，我们制定了一个三步流程，使数据治理计划与业务保持一致。第1步：巩固基础架构在许多企业中，数据治理通常仅限于合规性、隐私和安全性。毫无疑问，这些都是关键领域，但如果数据治理范围扩大，监管人员多元化，更高效的决策和运营将带来更多的商业价值。所有数据治理计划都应包含四个主要组成部分：数据治理指导委员会、数据所有者、数据协调员和数据管理团队。首先，评估数据治理指导委员会。如果没有，请创建一个。该委员会包括所有业务部门和职能部门的领导；如果有，但缺少跨职能协作的功能，请添加该功能。每个业务部门和职能部门都应在委员会中有一名代表。根据委员会的规模和范围，该代表可以是高级管理人员或与核心业务数据和IT系统密切相关的人员。该委员会需要有一个明确的目标，该目标应由业务需求和合规性共同驱动。阐明这些目标有助于委员会建立和推动有效的数据治理目标。考虑代表一家大型医院管理其行政流程的医疗机构。指导委员会确定目标，然后使批准过程自动化。为实现这一目标，应在终端业务中推进数据定义的通用化。一旦建立了指导委员会并确定了其目标，就需要进行职责分离。每个业务部门和职能部门都应该有一个数据所有者，负责制定和维护政策和程序，以持续缓解其领域中最棘手的数据质量问题。例如，在医疗保健行业，每个业务部门对索赔拒绝的定义略有不同，这阻碍了医疗保健组织彻底改革索赔批准流程的自动化。认识到需要调和这些定义差异，委员会统一了被拒绝索赔的通用定义，以实现数据汇总和自动批准。然后，委员会指派数据所有者采用该通用定义，并组织由其各自业务部门或职能部门管理的数据，使其与通用定义保持一致。接下来，需要分配数据协调员。数据协调员的作用是为数据所有者提供服务，以推动政策实施和指导特定领域的变更管理以及报告数据质量问题。例如，在B2B软件公司，协作营销部门的数据协调员可能负责带头和推动使用与位置相关的通用命名法（例如，东、南、西、北）来对CRM工具中的领导者进行分类.数据协调员可以培训代表使用该工具，跟进其使用情况，并提出政策改进建议。最后，建立数据管理团队至关重要。这个团队通常由IT技术人员组成，是数据治理计划的中坚力量。它将制定和监督政策和程序，并对其进行审计以确保政策和程序符合隐私政策和安全制度。同时，还将评估数据的准确性、相关性和完整性，驱动数据生命周期（从数据生成存储到过期销毁）策略。第二步：强化生态，快速精准引入新数据数据治理组织建立，初始体系明确后，需要强化整个架构，让数据治理成为数据处理的中心，有助于预测问题并抓住机会，同时可以快速响应业务环境的变化和新数据源的引入。数据治理能力是对新的和不断变化的数据源的识别、分类和集成，这些数据源可能在企业发生里程碑事件时发生变化或添加，例如新技术的合并或部署。它通过定义和应用一组可重复的策略、流程和支持工具来实现数据源管理。这些应用流程可视为节点控制，新数据必须经过一系列检查点以确保其质量。我们需要做的第一件事是确定需要做什么才能顺利引入新数据。以收购一家公司以补充其业务的B2B软件客户为例。当它试图整合来自被收购公司的客户数据时，数据治理团队发现每个机构都使用自己独特的层次结构管理物理客户，这些层次结构看起来不同但汇总到同一个父机构。指导委员会决定，被收购公司应使用收购公司的实际客户层次结构来遵守华尔街的关键指标。为实现这一目标，客户必须采取以下步骤：数据建模和设计：将被收购公司的客户层次映射到现有层次，并更新相应的数据模型（如实体关系图）和关联工具。数据字典：使用历史关联信息更新数据字典和主数据管理工具，以分析和确定被收购公司的客户数据如何映射到现有客户层次结构中。数据合规和权限管理：评估现有合规状况是否适用于新客户数据，并决定是否部署额外的权限控制或安全机制。数据质量设计和应用：在关键应用程序中实施控制，以避免销售团队创建重复记录或输入未定义的数据而不是搜索现有记录。沟通和变更管理：数据协调员将变更传达给受影响的用户，并对后续变更涉及的人员、流程和技术负责。管理新数据的引入可能具有挑战性，但一定要抵制一次性解决方案的“效率”诱惑，这种解决方案是以长期开发和可重用性降低为代价的。投资流程并使用它来创建环境，为数据资产的超额回报奠定基础。上述步骤应被视为指数曲线的开始，充分的分析和应用，虽然可能导致短期收益的“损失”，但可以带来巨大的、可扩展的长期收益。第三步：制度化数据管理实践以确保数据质量的连续性最后一步是开发数据管理工具和实践，以维护现有数据的质量并支持业务发展目标。一流的数据管理程序通常具有明确的流程、节奏和工具，以支持以下内容：主数据管理：建立系统和流程，为所有业务关键数据（例如，客户,products)，以减少业务流程中的错误和冗余。数据质量审计和监控：部署自动化工具和流程来帮助识别不符合既定业务或合规制度的数据，其中大部分不符合预定的数据质量要求。数据质量报告：制定数据质量指标或KPI（KeyPerformanceIndicators，关键绩效指标），定期回顾其进展并制定改进计划。数据存储规范：制定从生成到销毁的整个数据生命周期的存储规范，包括不同类型数据的存储方式和存储位置的实践，同时还要考虑特定的数据隐私和合规性要求。数据治理：在关键业务部门和职能部门之间分配资源，以服务于数据质量政策的实践，并管理因将新数据引入环境而导致的相关变化。这些做法的编纂提高了数据准确性、完整性、一致性、及时性、有效性和唯一性方面的数据质量。高质量的数据可能是客户满意度的关键。对于医疗保健客户，投资于控制和监控技术有助于确保动态和静态信息的数据质量，使组织能够向客户提供实时信息并调整线上和线下的用户体验。良好的数据治理计划可以提高业务部门和职能部门的效率，而出色的数据治理计划可以利用数据来推动企业范围内的业务转型。所以，不要停留在“nice”，而是要奔向“excellent”，这会让你的企业成长更快，表现更灵活，回报更丰厚。译者介绍邱凯，51CTO社区编辑，目前就职于北京中捷快递有限公司，信息安全工程师。主要负责公司信息安全规划与建设（保险类，ISO27001），主要日常工作内容为安全计划的制定与实施、内部安全审计与风险评估、管理等。原标题：数据治理以业务的速度，作者MichaelBertha（本文与MetisStrategy合伙人DukeDyksterhouse合作撰写）
