专家视角下的数据治理

在 Funnel，他们不怕承认自己有时是错的。也许不是 "错"，而是没有完全了解情况。毕竟，我们只是人类--尽管我们每天都要处理大量数据。

最近，一位敏锐的观察家阅读了 Funnel 最近关于数据治理的文章，就发现了这种情况。虽然这篇文章涵盖了数据治理下的许多主题，但它可能忽略了一些背景和对这一问题的前瞻性观点。

幸运的是，这不是一位普通读者。他是Artefact - Funnel Solution 合作伙伴的咨询总监Ties Carbo。Ties 恰好是现代数据治理方面的专家，他每天都与客户一起创建一流的数据治理结构。因此，他们决定坐在一起，捕捉他对文章中遗漏内容的最热门看法。

谈话一开始，Ties 就指出，在他的客户中，对这个问题误解最多的主要有三个因素。

首先，许多人认为这只是一个信息技术问题。这并不难理解。数据管理涉及许多潜在的复杂技术组件，如模型、流程和平台。但是，从 Ties 的角度来看，适当治理的影响远远超出了 IT 领域。

Ties 表示："当然，数据治理有很多技术要素，但这是一个全组织范围的话题。"

这就产生了第二个误解：人们认为这只是为了遵守规定。

事实上，这个话题涵盖的内容远不止这些。围绕 GDPR 等问题的合规性只是适当的数据治理如何影响整个组织的一个组成部分。事实上，Ties 经常建议客户将合规性问题作为新数据治理结构的最后一部分来面对。

这就引出了第三个误解。

Ties 指出，许多团队在处理数据治理问题时都是相互孤立的。组织中的一个部门负责数据治理工作，但只关注合规性，而另一个部门则确保仓库中的数据具有正确的质量等。

正确的方法是从整体上看待这一切，就像一个巨大的数据生态系统。当你开始从更广阔的视角看待数据治理时，你很快就会明白它是如何成为整个企业关注的问题。

领带认为数据治理就像一间厨房。您需要尽可能保持厨房的清洁。这种清洁（以及清洁的行为）可以看作是您的数据合规角色和责任、政策和流程。但是，你仍然需要在厨房里做饭，对吗？要不然，你怎么会有厨房呢？

确保所有烹饪用具就位、锅碗瓢盆准备就绪、副主厨训练有素、食谱得到遵守、食物送达客人手中，这些都是正确数据管理的其余部分。

需要明白，拥有一个干净整洁的厨房可以帮助你提供优质的美食体验，就像数据治理可以帮助你从数据中获取价值一样。

我们知道，合规性只是整个数据管理概念的一部分。那么其他部分呢？根据 Ties 的说法，有四个主要组成部分：数据结构、数据政策、数据操作模型和数据工具。

在我们的谈话中，Ties 提到，在他接触过的许多组织中，数据治理往往是一个被忽视的问题。不过，情况似乎正在慢慢发生变化。

随着企业领导者逐渐意识到数据作为战略资产的重要性，他们开始看到良好管理的价值。

甚至各部门也逐渐认识到，数据治理不再仅仅是 IT 部门的问题。例如，在营销部门，我们了解高质量数据的价值。但只有营销人员才能衡量营销背景下的数据质量。

"IT 团队无法告诉你数据是否正确，"Ties 说道，"他们只能告诉你数据在应该在的地方。具体的团队需要确保数据符合其用例的标准。"

Ties认为，理想的数据治理方法是数据网格法。

"在一家真正以数据为导向的公司中，每个人都在同时处理数据，"Ties 表示，"通过采用联合治理结构，每个人都是数据的既得利益者，并有能力扩展该结构。

这种现代数据治理方法，即组织中的每个人都 "拥有 "一部分数据，正变得越来越重要。新兴的生成式人工智能工具就是最好的证明。

虽然很多人都知道 ChatGPT，但它的底层技术（由于其开源性）可以用来创建专有的人工智能工具。例如，企业可以使用 GPT-3 或 GPT-4，将其加载到自己拥有的独立服务器上，并向其输入大量专有数据，从而创建一个定制的、针对特定业务的人工智能。

SaaS 公司可能希望实施类似的系统，创建一个知识渊博的聊天机器人，回答现有客户和潜在客户的问题。它可以向用户建议如何更好地使用产品，或说服潜在客户为什么一款软件比另一款软件更好。

不过，这款AI工具的好坏取决于您输入的数据。

Ties 表示："你能为这些工具提供的数据（以及数据的质量）就是你的差异化竞争优势。"良好的数据治理是其中的关键组成部分。没有适当的管治，数据很快就会变得一团糟，从而导致AI的效率降低。

每个企业都需要自己独特的数据治理方法。但是，通过使用数据网格法作为您的北极星导航，您将走上提高竞争力和改善数据结果的道路。

无论您是要提高数据质量、满足新市场的合规需求、实施新工具，还是更多，战略性的整体数据治理方法都将帮助您走得更远。

欢迎随时 联系我们，讨论您的数据管理问题！