工业大数据分析与治理（工业数据治理04）

       数据治理的目标是使组织能够将数据作为资产进行管理。数据治理提供治理原则、制度、流程、整体框架、管理指标，监督数据资产管理，并指导数据管理过程中各层级的活动。为达到整体目标，数据治理程序必须包括以下几个方面。

（1）可持续发展（Sustainable）

治理程序必须富有吸引力。它不是以一个项目作为终点，而是一个持续的过程。需要把它作为整个组织的责任。数据治理必须改变数据的应用和管理方式，但也不代表着组织要作巨大的更新和颠覆。数据治理是超越一次性数据治理组件实施可持续发展路径的管理变革。可持续的数据治理依靠于业务领导、发起者和所有者的支持。

（2）嵌入式（Embedded）

数据治理不是一个附加管理流程。数据治理活动需要融合软件开发方法、数据分析应用、主数据管理和风险管理。

（3）可度量（Measured）

数据治理做得好有积极的财务影响，但要证明这一影响，就需要了解起始过程并计划可度量的改进方案。

       实施数据治理规划需要有变革的承诺。下列基础原则可以帮助建立起强大数据治理。

（1）领导力和战略（Leadership and Strategy）

成功的数据治理始于远见卓识和坚定的领导。数据战略指导数据管理活动，同时由企业业务战略所驱动。

（2）业务驱动（Business-driven）

数据治理是一项业务管理计划，因此必须管理与数据相关的IT决策，就像管理与数据有关的业务活动一样。

（3）共担责任（Shared Responsibility）

在所有数据管理的知识领域中，业务数据管理专员和数据管理专业人员共担责任。

（4）多层面（Multi-layered）

数据治理活动发生在企业层面和各地基层，但通常发生在中间各层面。

（5）基于框架（Framework-based）

由于治理活动需进行跨组织职能的协调，因此对数据治理项目必须建立一个运营框架来定义各自职责和工作内容。

（6）原则导向（Principle-based）

指导原则是数据治理活动、特别是数据治理策略的基础。通常情况下，组织制定制度时没有正式的原则，他们只是在试图解决特定的问题。有时原则可以从具体策略通过逆向工程反推得到。然而最好把核心原则的阐述和最佳实践作为策略的一部分工作。参考这些原则可以减少潜在的阻力。随着时间的推移，在组织中会出现更多的指导原则与相关的数据治理组件共同对内部发布。

 来源：合规一本通