京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据治理的应用指南
数据治理(有时也称为IT治理)是存储管理的关键部分。显然,IT治理总体上与数据治理密切相关:IT是任何数据治理项目的组成部分。
数据治理是使组织能够正式管理其数据资产的策略、过程、人员和技术的框架。前端规划是实现组织治理的关键,这涉及到多个利益相关方,并对人员和流程产生广泛的影响。
数据治理和9个子域
大多数组织都是为了应对严重的威胁而启动其数据治理举措。常见的高级威胁包括代价高昂的违规行为、安全漏洞、诉讼、无法运行分析,以及发现暗数据的高成本。
全面的数据治理涉及9个不同的子域。每个子域都需要花费大量时间和资源来实现治理,但很少有组织需要这样做。没有一个组织会同时尝试去做这些事情。


构建整体数据治理
?评估和框架。全面的治理始于建立主要治理框架的意愿,而其意愿来自企业的高级执行理事会。该理事会与IT部门和业务部门主管一起工作,确定重要系统面临风险的流程。正式评估分析当前的治理措施,建议治理项目,并确定优先顺序。理事会和合作伙伴系统地将项目及其重要性传达给员工。
?政策和技术。治理团队从评估报告中优先考虑项目。主要考虑因素应该是降低数据安全性和不合规性的风险,以节省高效的数据流程成本,并从以前不可见的数据中获取重要的商业智能。项目团队通常与顾问和外包商合作,规划每个项目及其附带的工具、技术和培训。
?监督和路线图。企业在一夜之间无法实现全面治理。在考虑治理举措时,每个组织都需要平衡风险与资源。如果任务或业务关键型域名对信誉、数据丢失或合规性构成高风险,则建立治理是值得的。一旦治理的努力在一个领域中实现,将其扩展到其他领域变得更加简单。根据需要在其他领域建立治理项目路线图。对于企业建立数据治理的领域,每1-3年进行一次评估审查。
业务用例用于数据治理
合规是治理举措的共同驱动因素。医疗和金融服务这两个受高度监管的行业尤其需要参与治理举措,以保持合规性。
(1)医疗保健
医疗保健的优先治理项目之一是遵守HIPAA,该规定管理美国医疗行业如何收集、存储、传达和传输受保护的健康信息。由于法规几乎影响到与医疗相关的每个IT领域,因此符合HIPAA规范涵盖了一系列数据活动。
随着更多医疗信息的数字化,管理EPHI的重要性也在增长。HIPAA要求认真处理电子记录,包括EPHI数据的安全备份和恢复、经常验证的备份、传输和静止时的加密、备份到安全的远程站点,并记录所有策略和过程。
(2)金融服务业
金融机构受到多项国家和国家法规的约束。美国的主要法规包括保护个人财务信息的GLBA,通过规范公司披露保护投资者的SOX,用于业务连续性和DR计划的FINRA,以及用于安全证券交易的SEC。
此外,纽约州通过了一套全面的网络安全条例,称为NYCRR,适用于所有受该州银行、保险和金融服务法律约束的企业。其他州可能会效仿。
金融公司在试图将他们的治理项目与监管要求相匹配时面临着真正的挑战。这些公司面临的常见障碍包括员工失误、不安全的笔记本电脑和移动设备、不合规的云计算服务提供商,以及过时或隐晦的法规。但是像HIPAA一样,机构调查人员将会对一个毫无准备和不合规的金融服务公司进行审查。
数据治理的好处
企业从内部和外部受益于数据治理。内部治理通过高效一致的程序取代低效的流程,节省了时间。外部治理使组织保持合规,并使企业能够通过高效可靠的流程提高其商业信誉。
有效的流程和训练有素的员工可以节省时间和成本,并降低风险。
数据可视性和管理使组织能够遵守法规和行业最佳实践。如果有调查,企业可以快速提供可验证的结果。
整个企业的标准化数据管理改善了信息共享和协作。
集中数据仓库或大数据池中的业务数据可实现分析和商业智能,即使是非结构化数据。
收入随着更有效的流程而增加,并有能力采取新的业务洞察。
数据治理是一个大项目,实际上是一系列大项目。即便如此,任何公司和IT组织都有可能进行数据治理,这些组织将致力于改进生产力,增加收入,并降低风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23