数据治理变“数据”为企业战略资产

    任何数据治理方案的最终目标都是为支持制定明智的业务决策提供可信、及时且完整的信息。因此，数据治理并非只关注“数据”本身，它始于定义标准和目标，然后细化于启动方案所需的政策、人员和流程，随后，重心将转移到具体的实施工具和技术上，由此实现提高数据质量、保护敏感数据、鼓励信息共享、提供关键业务数据及信息生命周期管理。

    数据治理不是一个单纯的项目，市场上也没有称为数据治理的产品，而是指通过持续应用标准化流程及方法，给予公司对数据质量和安全性的控制。当前，企业数据管理的现状可谓参差不齐，但不管处于哪个层级的企业、不论数据量的多少，都会面临数据治理的需求，只是复杂和简单、难和易之分。因而，实施数据治理之旅的时机已到。

    数据治理的关键要素：标准、策略与流程、人员、技术

    那么，数据治理到什么程度才算成功，企业才能够接受呢？不同企业对数据状况定义的标准也不同，不能期望用某个指数来确定所有行业或企业能达到同一标准，进行数据治理的时候要通过多个方面去权衡它。

    简而言之，一般企业需要遵循三大数据治理原则：政策、流程和人员（以及人员技能）。选择和实施选择改善企业数据质量的策略，要求决策者权衡每个数据治理计划的成本以及该策略产生的影响；数据治理面临的两个主要挑战是企业本身的复杂性和身份信息不断变化，这两个客观原因的存在意味着企业的数据质量保证行动永远没有结束之日，因此，企业要建立一个可重复的数据收集、数据修改和数据维护流程，并且要对流程不断进行改善和优化，最后达到流程的自动化，从而降低数据治理的总体开销。此外，企业要完成一个成功数据治理项目，还要强调考虑人的因素。最佳的执行人和支持者是CXO级别的高管层，因为治理的内容会牵扯到各部门的人和流程，CXO的职责跨职能、业务、应用和区域，全局的治理需要他们来把控和协调，才能够确保项目良性运行。

    Informatica作为全球领先的企业数据集成提供商，提供了统一的数据治理平台，支持所有数据类型的项目，主要功能覆盖了当今五大数据治理领域，包括数据质量、主数据管理（MDM）、元数据管理及业务术语表、数据脱敏及数据存档，而且这些功能共用一套标准、规则和模型库，由此可保证数据处理过程中数据的可访问性、连续性、准确性、一致性、可控性、安全性及合规性。

    结合业务进行数据治理

    实际上，很多企业在涉及数据治理项目时，往往会切割成一个个子项目，第一阶段可能是要完成连通性的问题，第二阶段解决数据质量问题，然后是数据一致的问题，之后过度到解决数据安全性。完整数据治理方案可能极其庞大复杂，所以，最先开始的数据治理子项一定是对企业具有最大业务和战略价值的治理领域。Informatica拥有强大的数据治理策略，正通过社区、在线工具、思想领导力和面向业务的咨询服务，为处于任何阶段的企业提供所需支持，实现数据整个生命周期内的梳理、管理和监控，帮助他们降低数据使用风险，最大化数据资产回报。

    数据治理是商业要务，而不仅仅是IT项目。我们要把数据治理当作业务功能来管理，然而，数据治理的工作的主要流程有哪些呢？归纳起来，包括预期的数据清洗、修复、屏蔽、保护、协调、升级以及审定数据差异、政策和标准这些流程。20多个不同的流程可分为发现、定义、应用以及衡量和监测四个核心流程阶段，这些流程均可重复执行，并且根据数据治理成熟阶段的不同，可能包含一些并行的活动。

    当今时代，企业如果不及早做数据治理，那么当以后对数据用得越深、对数据越依赖时，非但不会带来商业价值，反而会阻碍企业的运转。Informatica平台基于简洁而灵活的数据管理原则，可以快速为机构建立数据治理政策，通过提高数据质量、管理数据和数据关系、保护敏感数据、增强信息分享效率、提供可被信任的关键业务数据，提供整体数据治理支持，将企业数据转变为可产生竞争优势、驱动经济价值的战略资产。 

    （杜威）