了解数据治理计划的规模

前，我们讨论了货币化在为组织创造新收入来源方面的作用，以及它对我们的数据治理计划的要求，以确保满足法律义务并生产高质量的数据产品。
在构建数据治理组织时，尽早做出有关团队规模和运营原则的决策对于确保优先级、工作活动和投资与预期结果保持一致非常重要。数据治理计划的规模可以体现在负责正在交付的政策，技术和知识的组织的规模上。计划规模还可以体现在组织为确保合规性而承受的流程负担中。
当我们考虑如何对治理团队进行建模时，我们必须首先回顾一下数据治理计划提供的关键功能：

• 素养 - 数据驱动型组织之所以成功，是因为其团队成员能够有效地使用数据来推动决策。他们还确保就利用他们可用的工具和技术进行强有力的沟通。数据治理团队有义务投资于数据素养，以确保团队能够利用数据资产，创建新资产并做出有关数据保护的有效决策。
• 策略和标准 – 组织高速执行的能力取决于团队如何始终如一地执行决策制定策略以及实施模式的一致性。数据治理团队通过定义适合组织风险状况的策略和支持标准来提高速度和一致性，以确保组织能够最大限度地利用其技术技能，消除重复工作并确保在优先级和目标上保持一致。
• 风险管理 – 数据是一种组织资产，与建筑物或工业设备没有什么不同。这些数据会带来丢失、被盗或修改的风险。数据治理团队可以与网络安全团队合作，以确保流程中内置的工具、策略和审批级别适合组织面临的风险和威胁。
• 技术支持和核心服务 – 此重点是配置团队使用的核心服务、自动化和工具，以符合组织策略和标准。数据治理团队负责系统设计、部署和支持，以确保团队能够成功采用已识别的工具。

一旦我们了解了我们的数据治理目标，我们就可以开始研究哪些特征将推动数据治理计划成为更大的组织规模，从而推动更大的组织投资。通过这次评估，我们还可以研究如何最大限度地减少执行团队的负担，以确保组织的风险不会上升，而创新的速度不会下降，我们的投资会最大化。

• 数据治理团队规模 – 数据治理团队的规模应该是有效管理上述四项关键职责所需的最小值，而不是更大。数据治理团队的目标不是战略或研发。这是关于执行的。所有成员都应集中精力确保他们的工作加速整个组织的工作。高度监管的组织（如金融服务和保险）本质上将拥有更大的数据治理团队，因为它们必须满足重叠的监管要求的复杂性。
• 审批流程 – “管理异常”的组织，即只需要在策略和标准之外对数据决策、使用和部署进行明确批准，为工程团队提供了加速的执行路径。每当一个团队必须获得姊妹团队的批准才能执行时，就会引入延迟和对异常通信路径的需求。当数据素养计划专注于为所有团队提供上下文和支持时，可以简化审批，以专注于例外情况，即数据消费中最危险的组件，并使团队在大多数工程活动中快速移动。
• 自动化 – 成功的数据治理团队广泛使用自动化。它们利用数据目录和工具进行工作负载编排，以自动执行用于数据转换、数据验证、数据保留和捕获合规性报告所需的元数据的流程。数据治理团队对自动化的使用显示了更高的执行成熟度，并允许可扩展的产品交付和客户参与，而不会显着增加数据治理团队的规模。自动化可用于确保新管道、新数据产品和服务的部署符合政策和标准，并在较短的时间内正确路由异常以供审查和批准。

在设计数据治理计划时，我们的目标应该是“轻量级治理”，使整个组织的团队能够以高度的自主权执行。他们的成功来自于能够访问有关政策和标准的背景，共享的技术工具，以及不断提升整个组织能力的数据素养计划。
随着我们继续我们的数据治理系列，接下来我们将探讨主数据管理及其在为整个组织的系统和业务流程统一提供高质量数据方面的作用。我们将探讨 MDM 的技术架构组件，以及用于管理数据并在业务目标上下文中做出关键决策的支持业务流程结构。

原文标题：UNDERSTANDING THE SCALE OF OUR DATA GOVERNANCE PROGRAM
原文作者: Joey Jablonski
原文地址：https://blog.pythian.com/understanding-the-scale-of-our-data-governance-program/