数据和分析领导者知道，如果不实施有效的治理，那么他们的数据和分析投资将无法满足企业机构的关键需求，如收入增长、成本优化和更好的客户体验等。
数据和分析领导者迫切需要能够为数据和分析创造有效基础的数据治理最佳实践和实际步骤。
Gartner研究副总裁Saul Judah表示：“由于关键治理领域没有明确的最佳实践基准，因此数据和分析领导者难以确定需要改进治理的哪些方面。”
7个数据治理关键基础
1. 将数据和分析治理与业务结果对齐
治理工作应与业务战略和优先事项建立直接联系。但企业机构在确定数据和分析治理实践时往往围绕数据而不是业务，使得数据和分析领导者与业务领导者难以开展卓有成效的讨论。
为了更好地支持业务成果，应将治理政策和标准与业务优先事项、业务流程指标以及数据和分析指标对齐。
应把业务价值和优先成果作为治理章程的核心并制定明确的业务成功指标。确认负责这些指标的利益相关者并与数据和分析指标建立联系。最后，组织与关键决策者的研讨会并考虑能够改进他们经营成果的策略。
2. 维持问责制度和决策权模式
问责制度和决策权模式对于任何数据和分析工作的成功都至关重要。该模式可以监督相关人员对他们所做的决定负责并给予利益相关者对治理决策流程的信心。
3. 实施基于信任的治理
数据和分析资产遍布整个企业而且性质各异。因此，基于“所有信息都是平等的”这一假设所做出的业务决策已不再有效，而是需要建立一个具有以下功能并基于信任的治理模式：
·支持分布式数据和分析生态系统
·承认不同的资产沿袭和监管
·协助企业领导者更加自信地根据背景做出相关决策
评估数据目录等技术如何帮助您发现、评估和治理整个企业生态系统的数据和分析资产。
4. 重视数字伦理和透明度
为了实现成功的数字化转型，数据和分析治理必须建立在透明度和数字伦理原则的基础上。数据和分析治理决策应该是明确的、合乎情理的和有书面记录的。作为数据和分析领导者，您应该建立一个可以在全企业实施的数字伦理框架。
请将您的数据和分析治理章程与您所在企业机构的业务价值以及数字伦理原则对齐，确保该章程指定相关的权限和问责制度并解释决策的依据。
数据和分析治理操作步骤应具有一条清晰的审计线索来突出显示所做的决策、所采取的行动、相关的投资和支出以及数字伦理遵守情况。
5. 考虑风险管理和信息安全
表现出色的企业机构应具有风险意识而不是一味规避风险，在处理风险的同时把握数据和分析所创造的机会。一般情况下，企业机构会将业务机会和风险分开治理，而在评估业务结果时，它们也不会将信息安全视为关键组成部分。
数据和分析治理机构应建立能够做出平衡的决定、对机会、风险和安全给予必要重视并牢记企业机构长期利益的多学科团队。
治理决策评估指标应能够指示业务价值、未来的风险和机会以及信息安全方面的不足。为了实时解决数据和分析风险，可建立一个控制环境并将该环境与企业信息安全框架集成。
6. 落实治理培训和教育
数据和分析治理行动计划要求人员根据政策和标准所规定的期望采取不同的行为。但有时无法明确到底应该采取什么样的新行为。应与人力资源部门合作，制定一个学习和发展制度以支持数据治理最佳实践，通过分析与治理相关的角色来了解所需的技能组合，开发由网络研讨会、博客或指南组成的培训模块作为相关的最新学习材料，并且评估这些材料如何帮助做出更好的治理决策并进行必要的改进。
为数据和分析角色设定具体、可衡量的目标，例如可以将完成关于数据治理最佳实践的特定培训模块作为员工年度目标之一。
7. 鼓励文化变革和协作
由于数据和分析治理决策是由全企业做出的，因此必须重视协作而非中央化。数据和分析治理不能成为一种官僚主义活动；相反，它应该侧重于人与人之间的互动、故事讲述、知识共享和创新。
首先可以通过参加高管会议、全体员工会议和其他会议，了解目前企业机构内部对数据的看法。明确在文化方面需要做出什么改变，设计并叙述一个故事来解释数据和分析治理如何解决引起数字疲劳的实际挑战。
