1. 实施数据治理
1.1. 数据治理不可能一夜之间实现
- 1.1.1. 治理过程包含了很多复杂性协调工作，需要对治理进行规划，不仅要考虑到组织的变化，而且改变得要简单
1.2. 高优先级的前期工作
-
1.2.1. 定义可满足高优先级目标的数据治理流程
-
1.2.2. 建立业务术语表，记录术语和标准
-
1.2.3. 协调企业架构师和数据架构师，帮助他们更好地理解数据和系统
-
1.2.4. 为数据资产分配财务价值，以实现更好的决策，并提高对数据在组织成功中所起作用的理解
1.3. 发起数据标准和规程
-
1.3.1. 标准被定义为“用来判断其他事物质量的好东西”或“由权威建立和确定，作为衡量数量、重量、范围、价值或质量的规则"
-
1.3.2. 大多数组织在开发或实施数据或数据治理标准方面没有很好的实践
-
1.3.3. 通常由数据管理专业人员起草。数据标准应由数据治理办公室或授权工作组（如数据标准指导委员会）审查、批准和采用
-
1.3.4. 数据标准文档中的详细程度在某种程度上取决于组织文化
-
1.3.5. 通过记录数据标准提供了一个捕获细节和知识的机会，否则可能会丢失这些细节和知识
- 1.3.5.1. 与预先记录相比，重新创建或反向工程获取这些知识是非常昂贵的
-
1.3.6. 数据标准必须得到有效沟通、监控，并被定期审查和更新
- 1.3.6.1. 最重要的是，必须有强制手段，对数据可以根据标准进行测量
-
1.3.7. 数据管理流程是遵循文档化的方法、技术和步骤来完成产生特定的结果和支持的特定活动
-
1.3.7.1. 与数据标准一样，通过流程文档以明确的形式捕获组织知识
-
1.3.7.2. 通常由数据管理专业人员来起草数据流程文档
-
-
1.3.8. 数据架构(Data Architecture)
- 1.3.8.1. 包含企业级数据模型、工具标准和系统命名规范
-
1.3.9. 数据建模和设计(Data Modeling and Design)
- 1.3.9.1. 包括数据模型管理程序、数据模型的命名规范、定义标准、标准域、标准缩写等
-
1.3.10. 数据存储和操作(Data Storage and Operations)
- 1.3.10.1. 包括标准工具、数据库恢复和业务连续性标准、数据库性能、数据留存和外部数据采集
-
1.3.11. 数据安全(Data Security)
- 1.3.11.1. 包括数据访问安全标准、监控和审计程序、存储安全标准和培训需求
-
1.3.12. 数据集成(Data Integration)
- 1.3.12.1. 是用于数据集成和数据互操作的标准方法、工具
-
1.3.13. 文件和内容(Documents and Content)
- 1.3.13.1. 包含内容管理标准及程序，包括企业分类法的使用，支持法律查询、文档和电子邮件保留期限、电子签名和报告分发方法
-
1.3.14. 参考数据和主数据(Reference and Master Data)
- 1.3.14.1. 包括参考数据管理控制流程、数据记录系统、建立标准及授权应用、实体解析标准
-
1.3.15. 数据仓库和商务智能(Data Warehousing and Business Intelligence)
- 1.3.15.1. 包括工具标准、处理标准和流程、报告和可视化格式标准、大数据处理标准
-
1.3.16. 元数据(Metadata)
- 1.3.16.1. 指获取业务和技术元数据，包括元数据集成和使用流程
-
1.3.17. 数据质量(Data Quality)
- 1.3.17.1. 包括数据质量规则、标准测量方法、数据补救标准和流程
-
1.3.18. 大数据和数据科学(Big Data and Data Science)
- 1.3.18.1. 包含数据源识别、授权、获取、记录系统、共享和刷新
1.4. 制定业务术语表
-
1.4.1. 数据管理专员通常负责整理业务术语表的内容
-
1.4.2. 由于人们说话用词习惯不同，所以建立术语表是必要的
- 1.4.2.1. 术语表的批准人包括来自核心用户组的代表
-
1.4.3. 定义必须清晰、措辞严谨，并能解释任何可能的例外、同义词或者变体
-
1.4.4. 通过数据架构通常可以从主题域模型中提供草稿定义和类型突破
-
1.4.5. 目标
-
1.4.5.1. 对核心业务概念和术语有共同的理解
-
1.4.5.2. 降低由于对业务概念理解不一致而导致数据误使用的风险
-
1.4.5.3. 改进技术资产（包括技术命名规范）与业务组织之间的一致性
-
1.4.5.4. 最大限度地提高搜索能力，并能够获得记录在案的组织知识
-
1.5. 协调架构团队协作
-
1.5.1. 数据治理委员会支持并批准数据架构
- 1.5.1.1. 数据治理委员会可以任命或与企业数据架构指导委员会或架构审查委员会(ARB)互动，以监督项目及其迭代项目
-
1.5.2. 企业级数据模型应经数据治理委员会评审、批准并正式采用，与关键业务战略、流程、组织和系统保持一致性
-
1.5.3. 在管理数据资产方面，数据战略和数据架构是在“做正确的事”与“正确地做事”之间协调的核心
1.6. 发起数据资产估值
-
1.6.1. 数据和信息是具有价值或者可以创造价值的企业资产
- 1.6.1.1. 现今的财务实践中，考虑将数据和信息视为无形资产，如同软件、文档、专家知识、商业秘密和其他知识产权一样
-
1.6.2. 首先应该估计由于信息不足而造成业务损失的价值
-
1.6.3. 信息缺口——所需信息和可用信息之间的差异——代表业务负债
-
1.6.4. 弥补或防止差距的成本可用于估算数据丢失的业务价值
-
1.6.5. 参考这个思路，组织可以开发模型来评估实际存在信息的价值
2. 嵌入数据治理
2.1. 数据治理组织的一个目标是将治理活动嵌入到数据作为资产管理相关的一系列流程中
2.2. 数据治理的持续运作需要规划
2.3. 运营计划包含实施和运营数据治理活动所需的事件，其中包括维持成功所需的活动、时间和技术
2.4. 可持续性意味着采取行动，保证流程和资金到位，以确保可持续地执行数据治理组织框架
- 2.4.1. 这一要求的核心是组织接受数据治理；实现管理职能，监控和测量其结果，并克服常导致数据治理不稳定或失败的障碍
3. 工具和方法
3.1. 数据治理从根本上讲是关于组织行为的
3.2. 数据治理流程必须有效管理自己的工作和数据
-
3.2.1. 利用工具不仅仅对任务有帮助，而且对支持它们的指标也有帮助
-
3.2.2. 组织应该通过定义总体治理目标和需求来选择适合的工具
-
3.2.3. 如果需要这样的附加功能，那么在采用工具之前，应该对需求进行澄清和测试
- 3.2.3.1. 否则，组织会拥有多个工具，却没有一个能够完全满足需求的
3.3. 线上应用/网站
-
3.3.1. 数据治理也应该能够线上体现，可以通过中心门户或者协作门户提供核心文档
-
3.3.2. 网站可以容纳文档库，提供搜索功能，帮助管理简单的工作流
-
3.3.3. 数据治理战略和项目章程，包括愿景、效益、目标、原则和实施路线图
-
3.3.4. 数据制度和数据标准
-
3.3.5. 数据管理制度的角色和职责说明
-
3.3.6. 数据治理相关新闻公告
-
3.3.7. 指向相关数据治理社区论坛的链接
-
3.3.8. 指向相关数据治理主题执行进展的链接
-
3.3.9. 数据质量测试报告
-
3.3.10. 问题识别和上报的规程
-
3.3.11. 请求服务或获取问题的入口
-
3.3.12. 相关在线资源的描述和链接、演示文档和培训计划
-
3.3.13. 数据管理实施路线图
3.4. 业务术语表
- 3.4.1. 业务术语表是数据治理的核心工具
3.5. 工作流工具
- 3.5.1. 更大的组织可能会考虑使用强大的工作流工具来管理流程，如实施新的数据治理策略
3.6. 文档管理工具
3.7. 数据治理记分卡
- 3.7.1. 是跟踪数据治理活动和制度遵从性的指标集合，通过自动记分卡的形式向数据治理委员会和数据治理指导委员会报告
4. 实施指南
4.1. 数据治理要么起始于一些重大项目（如MDM主数据管理），要么通过区域或者部门试点
4.2. 大多数推广策略都是渐进式的，很少有直接在整个组织范围内部署的情况
4.3. 组织和文化
-
4.3.1. 数据治理中很多固有的形式和规则对于许多组织来说都是新的、不同的
-
4.3.2. 数据治理通过改变组织行为来提升价值
-
4.3.3. 对于决策和治理项目的新方法，可能存在抵制变化及学习或采用消极态度的情况
-
4.3.4. 有效而持久的数据治理需要组织文化的转变和持续的变革管理，文化包括组织思维和数据行为，变革包括为实现未来预期的行为状态而支持的新思维、行为、策略和流程
-
4.3.4.1. 无论数据治理战略多么精确、多么独特，忽视企业文化因素都会减少成功的概率
-
4.3.4.2. 实施战略必须专注于变革管理
-
-
4.3.5. 组织变革目标是可持续性的
-
4.3.5.1. 可持续性是过程的质量指标，以此衡量过程持续增值的难易程度
-
4.3.5.2. 维持数据治理规程需要对变化作出计划
-
4.4. 调整与沟通
-
4.4.1. 数据治理规程是在更广泛的业务和数据管理战略背景下逐步实现的
-
4.4.1.1. 实现成功需要更广泛的目标，同时需要将各部分落实到位
-
4.4.1.2. 数据治理团队要有灵活性，并且能够随着条件的变化调整相应的方法
-
-
4.4.2. 业务战略/数据治理战略蓝图(Business/DG Strategy Map)
- 4.4.2.1. 定期衡量和沟通数据治理对业务的帮助，对于数据治理持续获得支持是至关重要的
-
4.4.3. 数据治理路线图(DG Road Map)
- 4.4.3.1. 数据治理路线图不应刻板、僵化，而应适应业务环境或优先级的变化进行调整
-
4.4.4. 数据治理的持续业务案例(Ongoing Business Case for DG)
- 4.4.4.1. 数据治理的业务案例必须定期被调整，以反映组织不断变化的优先级和财务状况
-
4.4.5. 数据治理指标(DG Metrics)
- 4.4.5.1. 随着数据治理规程的成熟，数据治理的相关指标也应随之逐渐增长和变化
5. 度量指标
5.1. 为应对长期学习曲线的阻力和挑战，对数据治理项目必须要有通过证明数据治理参与者如何增加业务价值和实现目标的指标来衡量进展和成功
5.2. 价值
-
5.2.1. 对业务目标的贡献
-
5.2.2. 风险的降低
-
5.2.3. 运营效率的提高
5.3. 有效性
-
5.3.1. 目标的实现
-
5.3.2. 扩展数据管理专员正在使用的相关工具
-
5.3.3. 沟通的有效性
-
5.3.4. 沟通的有效性
-
5.3.5. 采纳变革的速度
5.4. 可持续性
-
5.4.1. 制度和流程的执行情况（即它们是否正常工作）
-
5.4.2. 标准和规程的遵从情况（即员工是否在必要时遵守指导和改变行为）
