加入收藏 | 设为首页 | 会员中心 | 我要投稿 天瑞地安资讯网 (https://www.ruian888.com/)- AI应用、边缘计算、物联网、运营、云管理!
当前位置: 首页 > 大数据 > 正文

想要解决数据治理的难题吗?首先,摒弃无稽之谈

发布时间:2024-04-27 21:05:23 所属栏目:大数据 来源:DaWei
导读:   我可以在电子邮件中处理的胡言乱语是有限度的,上周,一份SubStack时事通讯大胆宣布,“揭开复杂性:理解数据治理程序失败的原因”,这一限制被打破了。  我可以在电子邮件

  我可以在电子邮件中处理的胡言乱语是有限度的,上周,一份SubStack时事通讯大胆宣布,“揭开复杂性:理解数据治理程序失败的原因”,这一限制被打破了。

  我可以在电子邮件中处理的胡言乱语是有限度的,上周,一份SubStack时事通讯大胆宣布,“揭开复杂性:理解数据治理程序失败的原因”,这一限制被打破了。

  我不会提及消息来源,以免让有错误的一方难堪。尽管如此,第一条线索是,这篇文章列出了治理计划失败的五个“共同原因”以及每一个的解决方案,全部用了短短600个字。我怀疑我能用六百个字来“解开其复杂性”。我把这样的内容归类为哗众取宠。

  哗众取宠:这个词源于“捕捉掌声的诡计”,其含义演变为“炫耀的、廉价的谈话”,在某种程度上,还意味着“胡说八道”。哗众取宠的定义:华而不实或自命不凡的谈话或写作。同义词:废话、夸夸其谈、吹毛求疵、咆哮。

  更糟糕的是,这五个原因是如此普遍,以至于它们可以应用于任何IT或业务转型计划。这些解决方案甚至不是解决方案,只是对解决方案应该是什么的建议。

  所以,我会一个接一个地讲。

  数据治理在现代业务环境中扮演着举足轻重的角色,确保公司能够有效地管理、保护其数据资产并从中获得价值。然而,尽管人们越来越意识到数据治理的重要性,但许多项目未能交付预期的结果。在本文中,我们将深入研究数据治理计划失败背后的常见原因,并探索克服这些挑战的潜在解决方案。

  首先,是那些未经证实的声明:

  “关键角色”——是吗?数据治理只是数据管理的一个组成部分,每个组成部分都至关重要。它特别关键的是什么?

  “现代商业景观”——那到底是什么?根据我的经验,不只有一个。

  “人们越来越意识到数据治理的重要性”——Google Trends会做出不同的反应。除了在全球范围内仅在五年内小幅上升外,这个话题只会因为对中国的兴趣而大幅增长,我们可以肯定,这个话题的起源是希望“有效地管理、保护他们的数据资产,并从他们的数据资产中获取价值”,但主要是出于压抑和邪恶的目的。

  缺乏明确的目标和与业务目标的一致性:数据治理计划失败的主要原因之一是缺乏明确的目标和与业务目标的战略一致性。当公司未能为其数据治理计划定义具体的、可衡量的和可实现的目标时,展示价值并确保利益相关者的持续支持就变得具有挑战性。

  这是每一次失败的借口。与业务目标保持战略一致:

  他们的数据治理计划的具体、可衡量和可实现的目标。

  当计划是战略性的时,这些指标往往是不完整的、人为的,而且在大多数情况下是不可知的。即使是最终的“利益相关者”也很难定义,而且数据治理永远不能在执行战略中发挥核心作用。充其量,它只是一个润滑这一过程的工具。

  解决方案:在数据治理工作和总体业务目标之间建立牢固的联系。清楚地传达数据治理如何与公司的战略目标保持一致,以及它如何有助于改进决策、合规性和运营效率。

  这不是一个解决方案,这只是一些没有解释的愿望:1)这将如何解决问题2)如何建立、沟通和协调。治理计划的总体业务目标可能只是理论上的。与战略目标保持一致甚至可能不是目标,因为具体的战术或新出现的问题推动了这一努力。治理如何有助于决策、合规和运营效率,可能只有在事后才能理解。

  领导力和利益相关者参与不足:成功的数据治理需要公司内关键利益相关者的强大领导力和积极参与。当领导者未能支持数据治理事业或利益相关者没有积极参与时,可能会导致缺乏承诺和所有权,最终导致计划失败。

  关键利益相关者的领导力往往是短暂的:他们在一开始就为努力的成本和破坏提供辩护和支持,然后悄悄地后退,直到项目以某种方式取得成功,或者后来加入指责风暴的大合唱。关键利益相关者的领导很少是失败的解毒剂。

  来自公司内关键利益相关者的强大领导力和积极参与

  “关键利益相关者”和“利益相关者”之间有什么关系?关键的利益相关者很可能是该计划的幕后黑手,但他们与其他利益相关者,大概是每个人之间如何才能保持一致呢?

  解决方案:指定一位有权推动计划的专职数据治理领导或团队。培养数据管理文化,并确保关键利益相关者了解数据治理对其各自领域的好处。定期沟通项目的进展和成功,以保持兴趣和支持。

  “有权推动程序的数据治理领导或团队”——通常,这就是项目崩溃区,困难会在这里找到替罪羊。为了避免指责,这些领导人经常对治理原则进行过于严格的解释,将缺乏支持和停滞混为一谈。数据管理员是大约20年前出现的一个想法,但他们并不享有很好的声誉,因为他们的角色太窄,不能让程序变得灵活。

  敏捷性还有助于战略一致性——你的战略在你的业务运营中的反映程度如何。如果没有敏捷性,你的公司就无法持续地执行新的战略,而不进行长期的变更。事实上,只有当战略变更发生的速度慢于公司的响应速度时,你才能实现战略一致。

  这种一致性或缺乏一致性,可以在公司的业务活动或前线活动中看到。事实上,制定公司战略的人和执行公司战略的人之间的议程分歧和沟通不畅是长期存在的问题。这些脱节可能会阻碍高管领导层获取正在发生的事情的信息,以及他们在看到需要时改变公司行为的能力。

  此外,当数据治理应用于大型企业的关系数据时,管理是一项简单得多的工作。如今,来自更多数据类型和数据来源的数据增加了数量级,而且流动速度往往快于基础设施可以整合的速度,因此管理是一种糟糕的治理解决方案。

  培养数据管理文化

  什么是数据管理文化,你会采用什么方法?

  “文化”——这是第一次出现“文化”这个词。在每一次失败的倡议中,文化问题都会上升到关键原因的首位。文化是什么?如果你问IT人员他们代表公司的哪个部门,他们很可能会说IT或类似的话。从IT公司(或项目的主承包商和推动者)的角度来看,文化被定义为其他所有人,“企业”,或者更居高临下的“用户”。如果你问任何不在IT领域的人同样的问题,他们不会说,“我是‘企业’,他们会认同他们在公司中的角色和位置。”

  数据质量管理不足:数据治理与数据质量管理有着内在的联系。糟糕的数据质量可能会破坏治理计划的有效性,导致不准确的洞察力、合规性问题和对数据的信任降低。

  DQM很难实现——可能比治理更麻烦。医学与化学有着内在的联系,但这并不能指导如何行医。最近出现的AI驱动的DQM解决方案在一定程度上是有帮助的。尽管如此,数据海洋中语义的不和谐以及人类语言的模棱两可的性质,使得DQM成为治理的先决条件近乎荒谬。

  解决方案:实施强大的数据质量管理流程,包括数据分析、清理和监控。建立数据质量指标并定期评估关键数据集的质量。教育数据利益相关者保持高数据质量标准的重要性。

  这不是一种解决方案,只是一种抱负。有了这个建议,作者有没有给你任何关于如何进行的方向?复杂性的解体在哪里?

  变革阻力和文化障碍:变革阻力是数据治理项目成功的常见障碍。公司可能面临文化障碍,员工不愿采用与治理相关的新流程或技术。

  为什么人们抗拒改变呢?对于与晦涩难懂的“文化障碍”不同的解释,请参阅我之前的文章,想要正确地实现数字转型吗?解决遗留下来的问题。

  解决方案:确定应对文化挑战的变革管理战略的优先顺序。提供全面的培训计划,帮助员工了解数据治理的好处以及它如何与他们的日常职责保持一致。培养一种视数据为战略资产的文化。

  有既定工作惯例和流程的人,以及对其角色的目标和尊重感到不寒而栗的人,有两个词会让人不寒而栗:“改变”和“管理”。作者提出的文化挑战部分是正确的,但要复杂得多。

  人们在他们的工作场所框架内形成了一种认同感和归属感,这与他们的工具、做法和流程深度交织在一起。这些文化元素是提供稳定、安全和延续感的支柱。因此,当面对变化的前景时,个人可能会经历焦虑、不确定和对失去身份的恐惧。通常,他们将这些恐惧表现为被动抵抗,制造障碍,拖延或破坏进展。对留下某些东西的恐惧可能源于对放弃权力、动态或社会等级制度的抵制。变革可能会挑战现有的权力结构,并重新分配资源、权力或特权。

  技术基础设施不足:成功的数据治理依赖于正确的技术基础设施来支持数据管理、集成和安全。技术不足或过时可能会阻碍数据治理计划的实施和可持续性。

  “数据治理依赖于正确的技术基础设施”——“天哪,你能给我买辆梅赛德斯-奔驰吗?” Janis Joplin。因此,除了DQM,治理还依赖于正确的基础设施。这种认为公司是有公司的简单化观点是自相矛盾的。企业通常由不同的企业、法人实体、司法管辖区和法规组成。公司漂移源于合并和收购、合资企业和动态供应链。所有这些变化使得简单、高级别的治理方案无法实施,并给公司带来了相当大的负债。

  遗留数据增加了挑战。伴随着安全性不足的是上一代的元数据解决方案,这些解决方案有效地解决了必须以关系格式查询并经常联接的行和列。这种方法已经有几代人的历史,需要根据数字公司的要求进行修改。

  解决方案:投资于符合公司需求的现代数据治理工具和技术。确保所选工具可以支持元数据管理、数据沿袭跟踪和安全措施。定期评估和更新技术堆栈,以跟上不断发展的数据治理需求。

  当然,所有的建议都是好的,但解开这一切的复杂性是一个NP困难的问题。

  数据治理是一个复杂且持续的过程,需要战略方法、领导力承诺和所有利益相关者的积极参与。通过解决常见的陷阱,如目标不明确、领导不足、数据质量差、对更改的抵制和过时的技术,公司可以提高其数据治理计划的成功机会。采用全面和结构良好的数据治理方法将为公司释放其数据资产的全部潜力并推动数字时代的明智决策铺平道路。

  我的看法

  数据治理只能是一个局部过程,它需要权衡和无情的优先顺序,领导者必须选择对公司战略具有最重要核心意义的问题,并提供最大限度的保护,同时确保公司能够尽可能有效和具有竞争力。技术创新的节奏超过了大多数公司在下一项技术到来之前实施每一项新技术或改进技术的能力。

(编辑:天瑞地安资讯网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章