加快数据驱动式数字化转型 让数据治理“智能”起来

本篇文章2056字，读完约5分钟

如今，对全面数据治理的需求从未像现在这样强烈。监管机构希望企业能够更清楚地了解数据，并对其进行有效控制；企业管理层希望明确数据资产，降低数据应用的复杂性，并更有效地管理企业；企业中的每个员工都意识到数据的重要性，并使用数据驱动的方法来做更多的工作。数据治理正迅速发展成为企业的核心战略。只有做好数据治理工作，使数据更加准确和完整，安全和合规，才能释放数据的无限潜力。在“2018年信息数据治理峰会论坛”期间，信息大中华区总经理王、信息全球数据治理高级总监帕特里克·德沃德接受媒体采访，就数字时代的智能数据治理进行了深入探讨。 “被动”和“主动”的数据治理

在谈到企业实施数据治理的驱动力时，informatica全球数据治理高级总监patrick dewald认为，监管机构越来越意识到数据对企业的重要性，一系列关于数据治理的法规相继出台，这是一个显著的趋势。最值得一提的是欧盟5月份实施的gdpr，它不仅引起了欧盟附属企业的关注，也引起了许多中国企业的关注。在全球市场，gdpr甚至推动了超过50%的数据治理需求。 与确保法规遵从性的“被动”需求相比，企业在数据治理方面的“主动”变化值得期待。企业进行数字化转型是大势所趋，转型的前提是有数据支持，企业需要内部审计，要充分了解自己的数据资产，数据治理必须提上日程，数据越多，类型越复杂，需求越大。

informatica大中华区总经理王表示:“数据显示出划时代的颠覆力量，数据驱动的数字转型时代已经到来。”如果我们想将数据转化为资产，数据治理已成为一个必要条件。”无论企业大小，在使用数据方面都面临着类似的挑战。面对越来越复杂的数据，许多企业无事可做。他们所能做的是首先切断不必要的数据，然后将几个应用程序集成在一起，希望变得更精简、更精简、更高效。但这只是暂时的解决办法，并不能解决根本问题。数据治理允许企业对他们自己的数据有一个全面的了解，比如什么数据，数据质量，数据关系，以及涉及的业务流程。它可以为数据的合规性和有效使用奠定非常好的基础。 数据治理升级为“智能” 经过多年的技术发展，与几年前相比，数据治理技术发生了许多变化。Patrick dewald说:“传统数据治理的主要问题是关注数据本身，而不是首先关注业务价值。只有当数据创造了业务价值，它对企业才有意义。” 新一代数据治理可以通过将政策、技术和运营联系起来实现治理，并促进利益攸关方之间的合作；同时，它还可以收集业务知识和相关背景，并通过在适当的业务场景和流程中监控和报告结果，确保数据治理利益相关方始终能够控制数据。简而言之，新一代数据治理的目标不是增加治理，而是通过治理实现更高的效率和合规性。此外，新一代数据治理进一步降低了使用门槛，产品可以被更多人使用。同时，它可以支持更广泛的协作和互连。 informatica将新一代数据治理称为“智能数据治理”,因为它引入了人工智能技术。Informatica已将axon数据治理集成到其数据质量、企业数据目录和安全@source产品中，并将其构建在claire智能平台上。这种由人工智能驱动的全方位企业数据治理解决方案，将有效促进业务与it之间的合作，以及数据治理计划的联合实施，从而实现可信数据和受保护数据的可靠交付。 在谈到智能数据治理的本质时，patrick dewald认为关键是要达成共识，这与上一代数据治理制定政策并逐步实施的方式完全不同。数据治理不是改变任何数据结构或业务系统，而是更好地理解企业现有的数据。事实上，它是为了建立一个企业数据目录，通过它，每个企业利益相关者可以更好地理解什么是关键数据资产，这些资产在哪里，如何使用它们，以及为什么这些数据很重要。 在“大数据平台”和“数据治理”之间的最佳选择是在构建大数据平台之前实施数据治理，因为它可以帮助企业更好地了解特定资产，然后在构建平台时考虑要投入哪些资产，但现实往往并不理想。Patrick dewald说，经常会遇到企业先获得大数据项目的资金，然后再考虑如何在项目的后期增加治理，这也导致数据状态在开始时没有得到很好的理解，以后所做的工作效率不高的现象。 此外，在推进数据治理的过程中，帕特里克·德沃德认为遇到的最大困难是只说不做。许多企业首先优先考虑大数据平台。虽然数据治理被谈论，但自从它真正落地后就被推迟了。即使实施了数据治理，也只关注单个数据，而且从一开始就很少从全面的角度来看待它。数据治理不再是一些独立的规则，而是多个元素的复合体，包括元数据、数据质量、合规性等等。因此，当企业进行数据治理时，首先要考虑的是采取全面的观点，将这些元素整合在一起，使它们更有价值。 数据驱动的数字转换的数据3.0时代已经到来。信息化的使命是帮助企业加速由数据驱动的数字化转型，而数据治理是其中一个重要环节。在智能数据治理领域，informatica拥有完整的理论方法、具体的实施方案和软件，帮助企业更好地识别当前理想的数据治理水平，构建合理可靠的数据治理框架，实现数据资产的最大回报。

来源：央视线