工业大数据分析与治理（工业数据治理01）

       数据治理（Data Governance，DG）的定义是在管理数据资产过程中行使权力和管控，包括计划、监控和实施。在所有组织中，无论是否有正式的数据治理职能，都需要对数据进行决策。建立了正式的数据治理规程及有意向性地行使权力和管控的组织，能够更好地增加从数据资产中获得的收益。

       数据治理核心内容包括：战略、组织、制度、流程、绩效、标准、工具及数据价值、数据共享、数据变现。

      数据治理最常见的驱动因素一是法规遵从性，也就是合规要求，特别是被重点监管的行业，企业必须遵循法律所要求的治理程序。此外，业务驱动因素是企业进行数据治理的重要原因，还有随着数据高级分析师、数据科学家的迅猛发展也成为数据治理新增的驱动力。

数据治理的驱动因素大多聚焦于减少风险或者改进流程。

一、减少风险

1）一般性风险管理。洞察风险数据对财务或商誉造成的影响，包括对法律（电子举证E-Discovery）和监管问题的响应。

2）数据安全。通过控制活动保护数据资产，包括可获得性、可用性、完整性、连续性、可审计和数据安全。

3）隐私。通过制度和合规性监控，控制私人信息、机密信息、个人身份信息（PII）等。

二、改进流程

1）法规遵从性。有效和持续地响应监管要求的能力。

2）数据质量提升。通过真实可信的数据提升业务绩效的能力。

3）元数据管理。建立业务术语表，用于定义和定位组织中的数据；确保组织中数量繁多的元数据被管理和应用。

4）项目开发效率。在系统生命周期（SDLC）中改进，以解决整个组织的数据管理问题，包括利用数据全周期治理来管理特定数据的技术债。

5）供应商管理。控制数据处理的合同，包括云存储、外部数据采购、数据产品销售和外包数据运维。

       在整个组织内澄清数据治理的业务驱动因素是基础性工作，将它与企业整体业务战略保持一致。

       人们有时表示难以理解数据治理是什么，治理本身是一个通用概念。与其发明新的概念，数据管理专家可以将其他治理的概念和原则应用于数据治理。通常将审计、会计与数据治理放在一起比较，审计员和财务主管设置管理财务资产的规则，数据治理专家制定管理数据资产的规则，然后其他领域执行这些规则。

       数据治理不是一次性的行为。治理数据是一个持续性的项目集，以保证组织一直聚焦于能够从数据获得价值和降低有关数据的风险。可以由一个虚拟组织或者有特定职责的实体组织承担数据治理的责任。只有理解了数据治理的规则和活动才能达到高效执行，为此需要建立可运转良好的运营框架。数据治理程序中应该考虑到组织和文化的独特性问题，以及数据管理在组织内面对的具体挑战和机遇。

       数据治理是企业数字化转型的基础，企业组织结构因循数字治理而进行变革是企业数字化转型的组织保障和必须。

来源：合规一本通