数据治理入门
企业领导层希望最大限度地降低风险、增加洞察力并改善运营。他们需要一个强大的数据治理计划。怎么办?
自下而上构建数据治理是很困难的。它需要整个组织的利益相关者的投入。但很多时候，数据治理是一个孤立的、过于复杂的框架，让员工感到脱节。他们不了解数据治理如何支持业务目标或影响他们的日常工作。同时，他们被要求参加治理会议，协调流程，定义术语，提供对数据使用情况的洞察，治理策略陷入细节困境，失去焦点。
由于洞察力、运营或风险状况没有明显改善，也没有明显的投资回报，企业领导层就会失去热情。他们甚至可能考虑取消对治理工作的资助，从而完全失去他们的利益。
有更好的方法。以业务优先的方法开始治理计划，吸引员工，快速交付一些高价值、省力的成果，并为增长奠定基础。
这种方法：
1. 将数据治理与业务目标联系起来
2. 优先考虑关键数据的治理
3. 建立跨组织级别的参与
4. 通过传达价值来激发员工的热情
一 将治理与业务目标联系起来
业务优先的治理策略确定企业目标和举措，并围绕它们构建治理能力。
这种调整如何发挥作用?假设，为了提高客户忠诚度并吸引新消费者，一家公司想要个性化其商品和服务。组织利益相关者包括营销、销售和财务团队。业务目标包括将公司的净推荐分数提高 5%、将回头客的购买量提高 17% 以及将客户流失率降低 11%。
支持这些业务目标的治理目标包括建立单一客户视图和治理团队可以部署来实现该目标的功能包括集中收集客户数据、建立数据目录、可视化上下游关系的数据沿袭以及自动化数据完整性规则以使适当的用户轻松访问数据。
将治理与业务目标联系起来：确定以业务为中心的治理项目优先级的四个考虑因素
从提高整体客户保留率到实现个人销售目标，每位员工都有自己的业务优先事项。第一次治理迭代不可能支持所有这些。如何确定优先顺序?
从省力、高价值的计划开始，这些计划可以说明数据治理的价值并产生快速的成果。这就需要使用涵盖影响范围、影响力、信心和努力的优先级框架。
影响范围：这项新的数据治理计划是否会帮助跨国企业的整个北美部门实现总体业务目标，例如“增加利润”或“提高效率”?或者这些功能会让伦敦办公室的十个人的工作变得更轻松吗?
影响：数据治理计划将对企业或其客户产生什么影响?它会帮助数百万银行消费者获得新的信贷选择吗?或者它会让一小部分消费者获得略微降低的汽车贷款利率?
信心：您有多确定治理举措将帮助公司实现特定的业务目标?有衡量标准来支持您的信心吗?
努力：需要多少治理努力才能实现业务目标?需要多少时间?您的团队拥有内部所需的技能吗?
将治理与业务目标联系起来：选择时将需求与需要分开
最初的数据治理计划应该将组织实现特定目标真正需要的能力与组织仅仅希望拥有的能力区分开来。
将数据治理组件分为“必备”和“最好有”。任何支持高优先级目标或附加到多个已确定的业务目标的东西都是“必须具备的”。其他任何东西都是可以在以后部署的“很好的东西”。
在上面的个性化场景中，“必须具备”可能包括客户数据的集中收集、数据沿袭流和工作流程的自动批准。“最好有”可能包括机器学习功能，帮助企业确定每个客户资料中的某些数据字段是否比其他字段更值得信赖。
二 确定要治理的数据的优先级
您可能会对组织中运行的海量数据感到不知所措。这既包括销售交易和 CRM 条目等结构化数据，也包括传感器数据或从社交媒体源捕获的信息等非结构化数据。您不必立即管理所有这些。
准确估计，只有大约 5% 的数据对于提供洞察、最大限度降低风险和改进运营至关重要。首先专注于关键数据，从而缩短实现价值的治理时间。这种关注通过限制与任何单一业务目标一致的要管理的数据量(从可能数千个元素到仅仅几十个元素)，显著简化了数据治理。
主数据通常是要治理的数据的关键子集。客户姓名和地址、帐户信息、市场细分信息、账单和信用信息。精益数据目录可能仅包含其他内容。
三 建立跨三个企业层级的参与度
利益相关者的参与对于数据治理至关重要。为了成功的治理计划，需要在组织的战术、运营和战略层面上征求参与。
为此，建立有意义的 KPI 来衡量：
战术层面当前和未来的效率。数据分析师、数据科学家、数据管理员、数据工程师和其他人希望 KPI 能够衡量数据访问和移动、数据完整性和改进管理方面的改进。
改进了运营层面的业务流程、性能和可扩展性。业务流程主管、数据治理主管、数据管理主管、数据架构师和其他专业人员希望 KPI 能够衡量数据质量的改进、数据错误的减少和周期时间的缩短。
战略层面的投资回报率和转型工作。CEO、CIO、CDO、数据和分析主管以及业务转型主管重视衡量流程支持、客户情绪和项目加速等方面的改进的 KPI。
为了有效，治理举措需要包括所有三个层面。KPI 必须跨组织级别联系起来，以讲述治理如何支持业务目标的完整链条。完整的数据治理场景可能类似于：
“我们对 10,000 个供应商数据资产进行了编目，定义了前 50 个关键供应商术语，并协调了关键规则和政策。此外，目前供应商数据的准确率已超过90%。因此，我们将供应商数据设置流程减少了 25%。现在，我们识别顶级供应商的速度提高了 33%，从而使合同重新谈判变得更加轻松快捷。数据自助服务使员工生产力提高了 20%。”
四 向整个企业的利益相关者传达价值
成功的治理计划不仅仅衡量关键组织层级的成功。他们通过传播价值来激发员工的热情。典型的治理举措对利益相关者要求过高，却没有提供切实的回报。员工需要参加会议、定义关键术语(“顾客”与“客户”或“账户”有何不同?)、确定基线衡量标准等等。当利益相关者看不到明确的商业利益时，这项工作可能会感到繁重。为了取得成功，治理团队需要在要求这些员工做出贡献之前考虑为他们提供价值。
业务优先的治理计划传达甚至庆祝数据治理活动如何帮助员工实现目标。治理和更好的业务之间的明确联系激发了员工的热情。如果他们看到数据治理确实改善了他们的工作，他们就会更愿意提供帮助。记分卡可能有助于这一努力。如果部门目标是提供个性化的入职体验或提供更轻松的数据访问，则一种治理策略可能是记分卡治理举措如何帮助定制入职或消除数据障碍。
数据治理领导的频繁沟通和强化可以进一步提高员工敬业度。定期沟通使治理始终放在员工的脑海中，不断提醒他们数据治理为其工作带来的价值。数据治理领导应定期分享见解、报告问题并量化治理工作带来的变化的影响。
