2017-07-23 科因软件 合肥万千科因软件技术有限公
很明显，大多数观众将数据管理与数据治理（DG）混淆在一起。由于数据质量和主数据管理嵌入治理功能，许多人将其视为数据治理工具。但事实是他们仍然是数据管理工具。他们的目标是通过执行规则来提高数据质量。对管理工具的混淆是对治理一词滥用和误解造成的，这将导致数据治理工作的麻烦。
那么什么是“治理”呢？治理是协作，组织和指标，促进至少两个相互冲突的目标之间的决策路径。治理在于寻求双方利益之间的可接受的平衡。例如，当您希望支持所有可能的业务项目，但您的预算，技能或可用资源有限时，就需要IT治理。当不同利益相关者的目标不同时，需要进行治理，治理的结果是让他们具有不同的优先权。如果每个人都有相同的目标，那就是数据管理。
理解治理的另一个错误：寻求各方之间基于共识的决策。最大的欧洲公用事业公司的长期数据管理主管最近告诉我，她是如何错误地为每一个决定寻求共识。为此她很累，以至于想换工作了。这种寻求共识的企图是一个错误，因为在变化的世界中速度和敏捷是新常态。有效治理的目标必须是指引多个决策，共同指向一个合理的方向。以前面的IT管理为例，每个项目都要求一个决策，但是总起来它们应该局限在各自分配的预算中。这是企业数据治理转型的另一个方面；它要求每个项目必须更灵活，同时协调这些单独决策以完成综合决策。
那么如何把数据治理与数据管理区分开来，我们的建议是什么？
- 尽早确定不同利益相关方的目标，可能是令人困惑的目标，包括质量与成本，风险与敏捷性。这点至关重要。
- 不要企图就这些目标达成共识。既要了解他们之间的差距，也要注意它们之间的相互关系。例如，寻求100％的质量（一些数据的共同目标）可能浪费大量的资金而没有合理的回报。
- 确定与每个目标相关的KPI和极限阈值。一个不良数据治理的迹象是只显示一个只针对一个目标的指标。
- 制定一个初步的指标，为每个项目指定合理的妥协。
- 开始将多个项目指标合并成一个简单的表示，显示其多重单一决策的方向。
使用这些多重指标并整合方向，您将完成治理并最终实现企业的卓越运营。