建立数据作为战略资产是不容易的,这取决于很多跨组织合作。然而,一旦你有一个记录系统,为您的数据,您的组织可以实现许多有价值的数据治理更容易用例。
在这篇文章中,我们将突出三大最有价值的数据治理的用例。每一个取决于数据治理和管理功能已经到位。例如,如果你没有一个分类的数据存在于业务批准,你就无法充分标记数据流入你的湖。
数据管理:湖沼泽防止数据
湖是一个数据存储库中包含大量的原始数据在其原生格式,包括结构化、半结构化和非结构化数据。之前定义的数据结构和需求没有数据是必要的。
通常,组织解释上面的定义作为一个理由在湖里倾倒任何数据,让消费者担心休息。但这是一个数据湖变成了沼泽。为了避免沼泽,一个数据湖需要治理,从数据的摄入。
一些关键的外卖管理你的数据时考虑湖:
- 这个数据应该集中存储吗?它最好保持在业务线(LOB) ?这些数据属于谁?
- 使用的数据符合我们的政策,隐私和安全吗?
- 是我们业务术语表数据一致所以人们可以找到和理解在湖里是什么?
- 数据字典的数据一致吗?
- 数据满足数据质量要求吗?
一旦你完成并批准上述问题,数据可以通过测试,然后入湖中,业务用户可以找到并购买数据。
数据分布:搜索和购买数据
想象以下场景:
贵公司将推出一款新产品,希望创建一个营销活动根据消费者最有可能购买新产品。这些消费者是独一无二的。创建一个程序根据这些消费者的偏好需要大量的数据。数据是来自一些地方像Adobe的分析和几个客户关系管理(CRM)系统(让我们保持简单)。
寻找数据开始。也不是什么罕见的花一个月在不同的lob,筛选技术工具和系统,在电子邮件来回,坐在无数会议,发现和理解数据-并可能应使用。
使它成为一个用例数据治理
但是假设您的组织已经建立了数据作为战略资产,建立系统的记录数据。你的团队明白这是一个用例数据治理。
在这个例子中,因为数字营销使用Adobe经常分析和CRM数据,数据共享协议已经到位。这只是一项协议,数字营销部门可以使用相同的数据内容营销部门来自Adobe的分析。协议的细节从可用类型的提要,刷新频率,数据的所有权,而且可能50其他属性。认为它是一个合同和服务水平协议(SLA)在预期的数据。
一个数字营销人员做的第一件事是检查数据目录,库存和组织一个组织的所有数据资产数据消费者可以很容易地发现,理解,信任和访问数据的任何分析或商业目的。没有治理,数据目录可以重复和冗余数据集,这是低效和昂贵的。营销人员,所有数据消费者,希望找到适合的数据的目的。数据目录置于下面的数据治理,营销人员可以有信心的相关性和价值的数据集,因为治理带来上下文数据。他们可以
- 看看数据绑定到任何业务术语
- 理解数据是从哪里来的
- 看它是否影响其他数据集
- 检验它的质量
- 样本数据
- 查看历史上其他队友如何使用数据
当营销人员找到合适的饲料或数据集,然后他们可以把资产添加到购物车和请求访问。请求访问时,营销人员首先需要填写表格,他们提供所需的格式应该交付的数据,数据共享协议的目的要求,数据需要多长时间,等等。
根据层次的集成,数据的分布可能意味着一个任务被发送到数据托管人提供访问或一个完全自动化的允许变化和连接到提供数据。
在这个购物用例数据,数据治理工作作为一个加速器(寻找数据只需要一个小时而不是一个月)和保险政策(购买正确的数据是保证业务上下文数据目录中)。
认证报告:报告堆栈减少80%
如果你已经创建了一个伟大的将整个企业的数据资产,那么为什么不适合的目的是证明它?为什么风险步入一个会议,有人也有类似的报告不同的数字吗?为什么让一个不同单位浪费时间和重建相同的报告,因为他们不确定使用什么数据?这些问题都解决在认证的经典数据治理用例报告。
报告的基本组件认证:
- 我们有一个所有者的资产?
- 她或她的委托可以帮助识别关键数据元素吗?
- 可以追溯到源头数据吗?
- 我们有标准,如数据质量规则?
- 我们能证明已经应用的标准,他们可以以不同的啤酒花作为数据流经组织?
就像一个审计师将邮票报告是正确的,数据权威可以做同样的数据资产表明资产是值得信赖的。这不仅是一个很好的方式来显示资产的价值,也是一个很好的方法来剔除冗余的报告(或其他资产),过时了,还是错了。
所以你可以看到,扩大您的治理程序包括数据治理的用例,如清洁沼泽的数据,搜索和购买数据,减少你的报告堆栈可以帮助你提高ROI和展示治理业务的真正价值。这些用例实现数字转换在你的企业是至关重要的。