跳到主内容

什么是数据管理?

请务必始终了解谁在控制你的数据 - 了解数据治理以及团队可以如何管理和保护数据资产中的数据资源。

数据治理定义

数据治理是流程、策略、角色、指标和标准的集合,可确保有效和高效地使用信息。这还有助于建立数据管理过程,在整个数据生命周期内保持数据安全、私密、准确且可用。

对于使用数据推动业务增长、改进决策并确保在竞争激烈的市场中获得成功的任何组织而言,可靠的数据治理策略至关重要。在收集大量内部和外部数据时,需要制定一种策略来有效管理风险、降低成本和执行业务目标。

数据管理有哪些好处?

数据治理的一个重要部分是构建一个计划,通过与来自断开连接的业务部门的利益干系人建立协作流程来打破数据孤岛。数据治理计划需要执行繁重的工作,以确保正确使用有组织的数据并将其准确地输入到系统中。实施可靠的数据治理策略有助于确保信息:

  • 已完全审核
  • 已评估
  • 记录
  • 托管
  • 已保护
  • 值得信赖

但首先,IT 团队需要确保你可以提供可靠的数据。具有易于访问且准确的数据的好处是:

具有单一事实来源。所有决策者都在相同的数据集、术语和视图中工作,为内部灵活性提供了更多机会。

改进的数据质量。你的团队可以放心,因为所有可用数据都可以安全地使用,而且完成一致。

改进的数据管理。帮助制定行为准则和最佳做法,以确保团队立即一致地解决组织需求和问题。

更快且一致的合规性。在整个治理过程中进行干净的数据管理意味着过程可以正确生成、处理和保护数据,以保持其处于合规状态。

降低成本和提高利润率润。消除基于过时信息的决策可提高日常运营效率、简化审核并减少浪费。

卓越的组织声誉。当企业发展稳定可靠时,你会将企业定位为市场中的领导者。

虽然向组织添加数据治理策略有很多好处,但如果团队未为组织实施做好准备,则可能会面临一些挑战。

数据治理的挑战

尽管回报巨大,但创建数据治理解决方案可能很困难。其中一些挑战包括:

公司范围内的验收。由于数据跨多个部门,因此需要从上到下明确领导,以及跨职能协作。

数据管理不佳。如果数据管理的结构是由不完整的数据管理程序构建的,则数据将不受保护、被孤立,并具有未区分的进程,可能导致大规模数据泄露和不合规。

标准化。组织需要在治理标准和灵活性之间找到适当的平衡点。

利益干系人对齐。你需要努力让利益干系人相信你的数据的价值,例如向利益干系人提供透明度报告更能说服他们投资组织的管理和安全预算。

职责分配。决定谁是否应有权访问特定数据段可能会存在困难。创建一个管理谁可以在何时看到什么内容的系统将有助于你和你的团队消除潜在的问题。

公司中的每个人都需要接受数据管理策略 - 包括技术和业务两个方面。为了确保策略成功,需要在数据治理计划中实施最佳做法和原则。

数据治理原则和最佳做法

创建数据管理所需的框架时,需要创建符合组织目标的框架。你需要考虑的是如何正确使用数据、提高数据安全性、创建和强制实施数据分发策略,以及如何遵守所有法规要求。

为了保证实现成功,请关注以下五项数据管理原则:

责任制

在整个组织中,你需要团队成员来控制你的数据。如果没有人承担该责任,则不存在数据管理。你和你的 IT 团队必须利用所有权,承担责任。与其他部门代表建立数据管理团队,以确保跨组织负责。

法律法规

你需要数据治理团队制定所有人都要遵守的标准化规则和法规,以实施和创建所有数据使用的条件。

数据管理

选择专门的数据管理员(也称为数据专员)是制定和确保数据治理提供正确保护的关键。数据专员的职责是向数据治理团队报告并强制实施数据规则和法规,从而确保时刻遵守这些规则和法规。

数据质量

你需要高质量、干净且可靠的数据来做出明智的业务决策。为此,你的数据专员将创建一组共享标准以提高数据质量。

透明度

所有数据管理进程都需要尽可能透明。保存所有函数和步骤的永久记录可确保将来的任何审计都能够确定数据使用情况、使用的数据、如何处理数据以及团队使用该数据来源。

随着业务扩展,以及遵守这五项数据管理原则,你还需要适应最新的数据治理做法,并确保你掌握最新技术。

数据管理的五个最佳做法如下:

  1. 大处着眼,小处入手。

    记录高级别目标,但务必牢记项目的目标和里程碑。

  2. 请任命一位执行发起人。

    此人将向高级主管以及更广泛的组织宣传你的数据管理策略。

  3. 生成案例。

    创建业务案例,你将需要证明为何需要尽快实施成功的数据治理计划。

  4. 开发正确的指标。

    指标过多或过少都会使你难以理解是否将会达到目标。用户、运算符和团队需要快速确定不需要哪些指标来达成目标。

  5. 与所有级别保持通信。

    对此新进程保持开放,特别是鼓励那些对更改有负面影响的进程。你需要为许多可能不了解你的进程及其重要性的用户提供上下文和透明度报告。

云数据治理框架

将数据移动到云存储对增长至关重要。你的云数据治理框架将充当蓝图,并为数据策略在云中存储的方式打下基础。Microsoft Purview 等产品可帮助你的团队探索数据流(入站和出站),同时治理集成了有关如何在云存储中安全管理和控制数据流的规则、责任、过程和流程。

全球行业委员会 EDM 委员会创建了云数据管理功能(CDMC),规定了数据管理应封装的框架。这包括:

数据编目和发现 - 以统一的方式对数据资产进行自动标识和物理记录,以启用组织数据的逻辑搜索、描述和发现。

数据分类 - 使用适当的信息、隐私或其他敏感度分类标记数据,以确保继续使用和保护。

数据所有权 - 确保数据由组织内负责任且获得授权的代理拥有数据以实现保护、描述、访问和质量。

数据安全 - 确保数据已加密、模糊、标记化,或者根据数据分类使用合适的安全措施。包括捕获安全应用程序证据和管理数据丢失防护。

数据主权和跨界数据共享 - 确保根据管辖规则和禁令存储、访问和处理数据。

数据质量 - 根据数据质量的核心度量值(准确性、完整性、一致性、有效性、相关性和及时性)来确保数据符合目的。

数据生命周期管理 - 确保按照数据法律、法规和隐私生命周期要求对数据进行溯源、存储、处理、访问和处置,这些要求通常在保留计划中定义。

数据权利和访问跟踪 - 只有打算访问数据的人员才能访问数据。审核此访问权限是证明和确保控制的重要部分。

数据世系 - 确保可以确定数据的来源、数据的步骤以及在粒度和相关频率下使用的地方。

数据隐私 - 定义一个框架,用于保护数据主体的隐私,该框架应反映贵组织适用的监管和隐私方面的法律。请确保使用进程和技术来确保积极应用了该隐私框架。

可靠来源管理和数据协定 - 大型组织可能具有源自多个源或通过多个源处理的类似数据。标识和管理受信任的源并定义使用数据协定对于确保数据来自认可的真实源,以及正在有效管理整个数据体系结构非常重要。

合乎道德的使用和目的 - 数据的合乎道德使用受到隐私法和数据主体权利之外的质疑。随着人工智能和机器学习的使用增加,请务必确保以客户期望的方式根据你所在公司的道德准则处理数据。

主数据管理 - 主数据是组织内最常用的重复数据。这类数据通常描述了公司的核心运营方面(例如产品、客户、员工和公司结构)。请确保此数据具有单一一致性视图,这是准确可靠使用数据的基础。

请务必了解,不能仅依靠技术解决方案来完成数据治理,在混合和多云世界中,集成数据管理体系结构将成为所有解决方案中更为重要的部分。

数据治理工具、软件和资源

虽然并不存在适用于每个企业的数据治理策略,但基于云的可缩放解决方案(如 Azure)将帮助组织适应未来需求,同时提高成本效益。此外,无论选择哪种工具,请确保其有助于:

  • 通过验证、清理和扩充提高数据质量。

  • 通过发现、分析和基准测试捕获和理解数据。

  • 管理数据以跟踪具有端到端世系的数据集成。

  • 记录数据以提高相关性、可搜索性、可访问性等。

  • 随时主动查看和监视数据。

  • 助力员工充分理解数据。

此外,查找包括 AI、机器学习、信息生命周期和内容管理,以及企业元数据管理(EMM)的软件功能。

Azure 治理和管理是管理和治理云解决方案的完美示例,该解决方案具有高级功能,可在整个 IT 生命周期中帮助管理数据。借助此数据治理,你可以跟踪组织端到端的数据流,以确保所有适当人员无论何时都能够访问所需的可靠、准确的数据。

常见问题解答

开始使用 Azure 免费帐户

免费享受 12 个月的热门分析服务,始终免费使用超过 25 项服务, 并在前 30 天内可以使用 $200 额度。

与 Azure 销售专家联系

获取有关 Azure 中分析入门的建议。提出问题、了解定价和最佳做法,并获取解决方案设计帮助以满足你的需求。

可以给你提供什么帮助?