数据治理与信任有关而不仅仅是监管遵守情况
来源：CPDA数据分析师网 / 时间：2021-03-08
有43％的人希望通过建立数据目录来改善这种情况，数据沿袭是关于记录和监视数据源及其在组织中的旅程，也就是说谁负责采购数据，哪些应用程序使用和共享数据以及如何在其旅程中进行转化和丰富，数据沿袭有助于编译数据清单，大多数数据隐私法规都要求该数据清单用于客户和消费者数据，数据沿袭对于建立对分析和可视化（例如仪表板）的信任也很重要，如果用户质疑预测模型或图表中的数据源，则可以使用数据沿袭对其进行追踪。
目录可以维护正在进行的报告，以表明它们符合数据隐私法规
现代化的“活动”数据目录可以自动化跟踪数据沿袭的步骤，以便组织可以响应治理审核并帮助用户了解数据源，活动是指系统使用人工智能，业务规则和自动化进行工作，而无需用户干预，并响应用户与目录系统的交互，随着它们的发展，活动数据目录可以在某些数据（或数据源混合）可能敏感并可能引起治理或监管问题时为用户提供建议，随着企业扩大规模以支持成千上万的用户及其仪表板，数据管道和分析，在数据目录中使用AI和自动化至关重要。
自助服务和缺乏可见性的问题
从治理的角度来看，接受调查的企业面临的挑战是自助数据访问，分析和共享的增加（52％），其次-正如我们期望的那样-缺乏对与数据相关的可见性活动（43％），这些企业似乎在不知不觉中自助服务用户正在处理数据以及与谁共享数据的过程中苦苦挣扎，较少的企业在控制访问和验证用户的能力方面面临挑战（23％），这表明大多数企业有信心可以保护系统中的数据，但是更高的百分比（29％）在管理和保护跨网络移动数据方面面临挑战。
在冠状病毒大流行的情况下，远程工作人员众多，如果数据跨网络移动到防火墙外部的端点，则数据可能会暴露出来
但是企业可以有效地控制对位于防火墙后面或受云平台安全保护的系统的远程访问，更大的治理和安全问题可能是从本地系统到云数据平台以及在多个云平台之间的数据移动，38％的研究参与者将集成本地数据和基于云的数据作为的挑战之一，数据的增长，多样性和分布使治理具有挑战性，当然数据通常不会保持不变，来自相同的来源，甚至会停留在一个地方，这可能会给治理和安全性带来无限的挑战，略超过三分之一（35％）的研究参与者表示，数据量多样性和速度的增长构成了挑战，几乎相同的受访者（34％）表示，在本地和云平台上分发数据可能很困难，这些问题和其他问题可能会增加管理和保护数据所需的成本和资源，有35％的参与者认为这是一个挑战。
增强对数据的信任
除了监视敏感数据并建立数据使用规则和策略外，重要的治理目标是提高用户对数据的信任，然后用户可以对自己的报告，仪表板和分析充满信心，因为他们知道数据符合组织的质量管理标准并已被批准用于预期目的，询问研究参与者他们的组织采取了哪些行动来提高用户对数据的信任度，的百分比表示，他们的组织监视数据质量（63％），其中可以包括一系列实践和技术实施，以监督数据的创建，使用维护和共享，以确保数据符合组织标准，数据质量监视通常着重于有效性，完整性，一致性和冗余性等问题。
企业可以使用工具来设置通知，以在数据摄取和迁移期间向管理员警告问题
他们还可以创建度量标准，以衡量数据质量是否随着时间的推移而改善，并能够分析可能导致数据质量恶化的问题，例如自助服务用户缺乏监管或对新数据的监督不力，确实促进数据管理和指导是被调查组织采取的第二常见的行动（53％），一半的受访者说，他们的组织正在验证新的数据源（50％），
可以提高对数据验证的信任度的步骤包括集中跟踪数据问题
以便每个人都可以查看某些来源存在的问题，这可以帮助解决这些问题的根源，并使数据验证成为工作流管理的一部分，因此可以记录是否在加载和收集到目标系统（例如数据仓库）期间执行了验证检查，他们的企业正在培训用户有关数据的治理和责任（45％），并为负责任的数据使用设定明确的期望（42％），这通常是管理职责。大约相同百分比的受访者使用治理来提高用户对数据的信任度（43％）。鲜为人知的活动包括记录数据来源，通常包括记录随着时间的推移会影响或更改数据的内容。在接受调查的组织中，只有28％的组织正在这样做，这与TDWI在2017年对组织进行调查时发现的百分比相同（27％）。
企业可能需要更多的自动化工具来简化文档编制工作，并总体上简化治理
为了提高数据信任度，组织应建立卓越中心或能力中心，以改善治理，对数据源质量的责任感和工作流管理，大约三分之一（32％）的被调查企业正在建立CoE或能力中心。
重点放在哪里
这是我们为改善治理和对数据的信任的两个建议，改善数据目录，词汇表和元数据存储库，拥有一个易于访问且的有关数据，其血统和位置的知识库是非常宝贵的，它可以缩短人们查找，准备和使用数据所需的时间，减少对数据质量和一致性的混淆，改善协作并协助治理，研究发现企业对数据目录，词汇表和其他元数据存储库不完全满意（许多甚至没有一个），企业应投资于融合了人工智能的现代技术，以建立和改善这些共享资源。
使治理成为提高整体数据质量和信任度的一部分
随着业务分析用户数量的增加和工作负载的增加，治理可能会变得更加困难，企业需要遵守数据隐私和内部数据使用法规，他们还可以使用治理计划来提高数据，分析模型和可视化的整体质量，但是治理执行必须与对自助服务业务分析的广泛兴趣保持平衡，企业应使用现代技术和数据管理实践来使治理有效，但执行起来不太麻烦。