当我们回顾客户在2024年取得的数据管理成果，以及他们为2025年业务计划所设定的目标时，有一点非常明确：现代数据治理仍是成功数据战略的核心。
过去一年发生了显著变化，从元数据成熟度日益重要，到数据治理和数据质量实践的日益融合。为了让你的企业蓬勃发展，你需要准备好迎接这些进步，并在必要时调整你的策略。
数据治理教练尼古拉·阿斯克姆(Nicola Askham)最近与Precisely的全球服务高级副总裁大卫·伍兹(David Woods)和产品管理副总裁肯·伯特勒(Ken Beutler)一起，分享了他们对来年及以后数据治理最重要趋势的看法。
观看他们的完整对话以获取所有见解，并继续阅读以下部分重点内容的回顾。
现代数据治理的关键趋势
回顾过去一年，小组成员强调了数据治理和数据质量领域的几个重要变化。
元数据成熟度是坚实基础的关键
元数据管理成熟度的重要性日益增加，特别是随着数据网格(采用去中心化方法)和数据结构(采用统一方法)等新型数据管理架构的出现。这些架构的出现都是为了加速向用户提供可信赖的数据，以便其可用于明智决策的行动和访问。
伍兹强调，许多企业一开始都会问哪种架构最适合他们，但他们真正需要首先关注的是元数据成熟度的关键作用：“我告诉大家的是，从根本上讲，我们要专注于丰富的元数据，然后围绕数据治理构建基础能力，再将其民主化推广至整个企业。”小组成员一致认为，元数据成熟度对于可扩展性和推动业务成果至关重要。
AI在数据治理中的作用日益增强，AI治理也是如此
AI已成为现代数据治理的强大助力，可自动化数据编目等重复性任务，但伍兹指出，AI并非要取代人，而是一种增强工具。“真正的数据治理归根结底在于上下文，”他解释道，强调虽然AI提高了运营效率，但人仍然是提供业务价值的核心。
伯特勒进一步阐述道：“大型语言模型的优劣取决于其训练所用的数据，而仍有大量知识和信息保留在管理数据的人员以及数据治理和质量企业中的部分人员身上，”他说，“当我们找到释放这些知识的方法时，AI将成为更大的加速器。”
数据与AI成果之间的紧密联系也导致了向更多AI治理的转变。阿斯克姆指出，随着企业考虑AI的伦理问题和风险(如无意中的偏见)，她相信“我们将有更多数据治理团队承担起AI治理的角色。”这一转变将需要新技能和与AI专家的合作。
数据治理的动机超越了法规要求
历史上，许多企业实施数据治理主要是为了满足法规要求，然而，阿斯克姆观察到了一个令人振奋的转变，她注意到过去一年中更多涉足数据治理的企业并不属于受监管行业。
“他们进行数据治理是因为他们理解这将带来的业务价值，这真的很令人振奋，”她说，这一转变凸显了数据治理作为战略助力的日益认可。
数据治理和数据质量趋于融合
数据治理和数据质量之间的界限正在模糊。伍兹指出，到目前为止，治理和质量之间的区别以及何时处理每个方面，常常让企业感到困惑，我们可能会看到综合方法的增加。“随着时间的推移，数据治理和数据质量的结合越来越紧密……我认为这是一件好事。”他说。
对此，阿斯克姆表示：“数据治理和数据质量应该由同一个团队来完成，”她强调，业务用户通常优先考虑高质量数据，但往往不太可能与治理团队合作，因为他们认为治理的影响较小。她说，实际情况是，“从业务用户的角度来看，它们应该是无缝的。所以，我们能让它们越紧密地结合，就越好。”
2025年数据治理成功的建议
我们的专家还分享了你在2025年及以后的数据治理之旅中可以部署的实用策略见解。
人员、流程和技术相协调
成功的数据治理需要整体方法。伯特勒表示，在考虑你的策略时，“不要为了数据治理而做数据治理。这背后需要有一个原因——知道你想要什么，或者你实际购买解决方案是为了什么。”你需要深入了解这些能力将为你的业务提供什么好处，而在衡量解决方案的采用情况时，伯特勒补充道，“这不仅仅是有多少人在使用软件本身，而是真正试图了解所有人员、流程和技术如何共同努力以实现某种业务成果。”
伍兹对此表示赞同，他强调了数据治理和质量计划路线图的重要性：“路线图应包括技术、人员和流程。”工具很重要，但它们需要补充你的策略。
从小处着手，迭代发展，逐步壮大
伯特勒和阿斯克姆都强调，越来越多的企业意识到从小规模开始数据治理计划的价值。无论你的企业规模大小，或你目前处于数据治理旅程的哪个阶段，采取更注重快速见效的务实方法都会大有裨益。
伯特勒解释道：“我们看到越来越多的基于团队的治理计划开始支持分析，甚至更小的AI项目，或者我们看到单个业务部门能够通过治理取得成功并进行衡量，然后规划如何将其进一步扩展到整个企业。”
阿斯克姆补充道：“试图以‘大爆炸’的方式进行数据治理是行不通的……要从小处着手，学习、适应、改变并推广。”一种有目的、有意图的迭代方法，可以让你的企业有效地学习、适应和扩展你的计划。
构建数据文化
数据素养在现代数据治理计划中发挥着至关重要的作用。“当我们联合并民主化数据治理能力时，无论企业正在考虑哪种架构方法……数据素养都将发挥非常重要的作用。”伍兹说。
他继续解释说，数据素养有助于确保你的用户不仅了解数据术语本身，还了解这些数据如何在业务流程的上下文中使用——这样，他们就可以推动有意义的结果，并避免无意中的偏见。他强调，企业需要通过提供业务术语表和清晰的数据定义等工具，让员工更容易“做正确的事”。
伍兹还强调了根据不同需求调整治理工作的重要性——例如，预测分析可能需要更宽松的治理，但合规或财务报告则需要更严格的控制。
数据治理之旅的下一步
我们小组的哪些观点与你自己的数据治理旅程最为契合?你如何进一步改进未来的策略?
当你采取重视元数据成熟度、培养强大的数据文化，以及对数据治理和质量采取综合方法等措施时，你可以促进团队之间的更好协作，并从数据治理计划中释放真正的价值。
在你规划时，请记得从小处着手并抓住快速见效的机会，有目的地进行迭代，并协调人员、流程和技术以实现最具影响力的成果。这些步骤将帮助你应对现代数据管理的复杂性，并使你的企业为转型做好准备。
