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MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11