序言
构建数据治理业务场景的关键步骤是:识别和构建数据治理价值驱动因素，理解业务痛点，确定解决方案并进行成本效益分析。
数据治理没有“一刀切”的成功模型，也没有一个标准化的起始过程。对于如何制定数据治理策略以及由谁制定数据治理策略，每个企业都应做出适合自己的业务决策。
有些企业可能决定致力于企业整体范围的计划，而另一些公司可能更倾向于逐个组织的进行实施。在数据治理实施开始之前，企业必须了解自己的数据管理成数据阶段，进一步说，关键的执行步骤取决于这个因素。
尽管数据治理的范围从数据质量、应用集成到数据分析，但数据治理的最大价值在于数据分析，这就需要将数据治理的重点放在分析相关的应用场景。
一、对组织的数据治理准备阶段识别
在开始规划数据治理策略之前，需要了解组织的现有数据计划，确定组织的数据准备阶段。一般来说，在数据分析领域的数据准备情况分为两类，成熟的和初级的。一个成熟的组织将利用其数据进行分析，并将这些见解转化为业务决策，而一个初级的组织将拥有有限的数据存储设施，可能还没有开始进入专注于数据驱动的增长阶段。
以下是如何判断组织是成熟的还是初级的:
1.成熟的
■有多个运行中的数据存储库；
■应用Hadoop这样的大型数据栈；
■已经在使用一个复杂的报告系统，比如BI。
2.初级的
■即使有，也不会有很多数据库在运行；
■打算用正确的方法建立一个新的数据实践。
■可能在简单的平台上或者围绕ERP软件构建数据分析功能，但尚未利用数据来增加价值。
二、构建数据治理场景的步骤
步骤1:确定并构建价值驱动的因素
构建业务场景的第一步是理解您制定或计划制定的数据治理计划的价值。如果不知道潜在用例的价值，就不值得投资于大规模的数据平台。
在成熟的组织中，已经有各种各样的数据相关的计划。因此，要理解数据治理的重要性，只需确定数据治理项目如何帮助加快或提高这些计划的效率。同时，在一个初级的组织中，必须首先确定这些计划的潜在价值。
成熟的组织通常会在实施重要的数据湖和数据仓库之前建立业务场景，他们会问自己是否实现了设定的目标，如果没有，为什么没有。
在成熟的组织中，构建一个确定的业务场景可能是困难的，因为组织中已经存在许多计划。主要目标是创建这些业务场景及其目标的清单，并记录它们的成功或失败。下一步就是关注你已经发现的问题。如果任何计划都是低效的，你应该关注如何改进它们。通常，数据计划是相互关联的，但组织中的许多人并不知道这些关联。
成熟组织的主要目标是建立可以通过数据治理解决现有问题，并通过研究创建新的业务场景。
1.使业务目标与业务场景保持一致
当我们将数据治理计划目标与业务目标结合时，它将在组织中就会获得巨大的支持。以下是业务目标和目标的例子:
■每年增加30%的收入；
■成为你所在行业客户满意度最高的公司；
■降低10%的运营成本；
■将公司转变为数据驱动型组织。
对于初级的组织，其目标是为数据分析和所需的数据治理流程构建一个全新的业务案例。在成熟的组织中，业务案例基于调查和记录现有的实践，而初级的组织则需要从头开始。那么如何构建呢?可以从三个关键领域构建新的业务场景。
（1）创造更多收入
第一个是创收。一个组织的数据本身不能促进业务的发展，但是聪明地使用这些数据可以。实践证明在医疗保健、银行、技术、零售和许多其他行业，使用数据提高收入的潜力巨大。例如，零售公司可以使用数据通过定向营销活动来增加利润，从而产生收入。通过将特定的产品针对特定的客户，零售企业可以实现更大的收入和利润。
（2）提高运营效率
数据对于提高公司的运营效率同样重要。从本质上讲，这种效率的提高将导致成本的降低。这个业务场景经常被银行和金融服务的公用事业公司和组织所采用。为了提高操作效率，需要识别组织运营的当前状态，然后可能通过自动化来简化流程。为此，需要通过数据仓库启动关键性能指标KPI。
有很多例子可以说明如何通过数据治理来提高运营效率，但让我们将重点放在应用程序上。假设一个基于电力设备制造商提供的方案进行定期每月维护电力设备，维护工作可能过于频繁。这将导致更大的成本和更定期的停机时间。通过数据分析优化维护过程，不仅可以节省资金，而且可以减少停机时间。根据监测该公司设备的传感器提供的信息，可以每季度完成两个月的维护任务。
（3）降低合规风险
这通常集中在合规问题上，比如遵守欧盟的通用数据保护条例(GDPR)。即使公司意识到自己的责任，数据治理程序也可以使他们减少在不知情的情况下违反合规的风险。比如，风险降低策略可能涉及公司限制对某些数据集的访问，以保护PII。
步骤2:理解业务痛点
在组织中，存在各种各样的痛点，这些痛点使数据计划无法充分发挥潜力。虽然痛点对个人来说是众所周知的，但通常在整个公司层面上并不理解。这一步的主要目的是记录分析现有的痛点，并确定解决它们的潜在好处。
为了识别突出的问题，成熟的组织需要遵循特定的方法，而初级的组织将使用略微不同的方法。发现这些问题的最佳方法是与每个以数据为中心的部门(如数据仓库、开发和实现项目)的员工进行面谈。这些访谈可以由数据治理专员或数据治理的拥护者进行，也可以为该任务聘请数据管理顾问。
您需要列出当前影响组织的所有问题。一个预先构建的模板（文末附下载说明）是确定这些信息的最好方法，并将在访谈过程中提供帮助。有了这样的电子表格，你需要花的时间就大大减少了，因为不需要头脑风暴。访谈时可以简单地分发表格，检查出现的问题。
下面是相关问题的示例:
■聚焦于业务的问题
很难找到能够胜任人工智能工具的人才；
数据驱动型增长还没有明确的愿景。
■现有技术存在的问题
查询运行缓慢；
报告通常在请求后24小时内可用，而不是实时的；
当有数据量大的数据分析请求时，报告系统会延迟。
■现有流程存在的问题
用户不知道如何访问数据。
通过识别这些公共痛点，然后围绕这些问题对应的解决方案构建业务场景。与成熟组织的方法一样，初级的组织需要访谈相关部门，以了解在哪里可以获得最大的收益。由于一个初级的组织不太可能在数据团队中占有重要地位，因此需要与该组织的其他成员进行接触。
要确定数据治理的价值，您必须:
■与IT/数据负责人和业务负责人交流，了解各种数据计划；
■理解并记录他们的目标和价值；
■理解并记录这些价值的潜在范围。
步骤3:确定解决方案并进行成本效益分析
根据研究结果定制解决方案，该解决方案将集中于数据素养计划、数据质量改进计划、数据访问管理和治理工具。
对于成熟的组织，其主要目标是选择支持现有数据分析过程的工具库，而对于初级的组织，引入分析和治理计划会更好地为其服务。数据治理不同于数据分析，但两者缺一不可。
解决方案一般包括以下几个方面:
■构建一个可扩展的数据技术堆栈；
■明确定义角色和职责；
■将数据分类为几个类别，如一般、私人、机密、敏感等；
■清楚地定义所选类别的数据访问策略；
■在您的组织中提高数据素养的步骤；
■定义改进组织中数据标准化的步骤；
■定义改善数据质量的步骤；
■定义提高数据可信度的步骤。
通过实现上述流程，能够从数据价值创建流程中消除低效。这将为您提供即将进行的数据治理计划的完整成本效益分析。
三、小结
上面这样的解决方案不能用碎片化的工具和技术来实现。当您开始一个全面的数据治理计划时，您需要一套完整软件和工具，通过渐进的数据治理方法实现。无论您是一个成熟的还是初级的组织，都要按照适合自己企业的节奏实现数据治理策略。这为数据治理成功创造了更多的机会，因为企业不会被技术淹没，而且可以根据他们的预算制定解决方案。在考虑了本文中提到的步骤之后，您应该对数据治理的ROI有了一个非常清晰的认识。最重要的是要切记，你的数据策略应该始终是分析和治理的结合，如果不能做到这一点，你的策略就不太可能成功。
联系客服
