如何说服利益相关者必须进行数据治理？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-05-13
这是您时间的利用吗？
您可以对该问题回答“是”和“否”，是的因为如果领导层不认为必须进行数据治理，那么他们可能不允许您将其作为一门学科，并且数据将继续以一如既往的方式进行管理。我有100％的客户在评估中使用的个实践是“高级领导层支持，赞助和理解与数据治理相关的活动” 如果您没有达到实践，则数据治理在某些时候将面临组织内部失败的风险，否，因为利益相关者已经多次，以太多方式从太多人那里听说过正式数据治理的必要性，尽管作为数据从业者，我们了解到分析和改进的决策是基于人们对数据质量的信心，但这并不意味着利益相关者在管理其数据时就“了解了”作为有价值的企业资产，这使我们许多人不得不反复尝试解决这个紧迫的问题，并回答利益相关者必须完全确信必须将时间和资源应用于数据治理的问题。
当从业务和技术的角度彻底，诚实地回答这些问题时，这些问题将为从业人员提供所需的火炮，以打破阻碍利益相关者和数据科学家确信数据治理的障碍是必需品，而不是美好的事物。
你准备好了吗？我们开始……问题的简单性可能会让您感到惊讶。
这三个问题是：
由于没有数据或不信任数据，您无法对数据做什么，而您需要对数据做什么呢？
如果您有数据可以做，该怎么办？
这些“不能做”和“将要做”与数据治理之间是什么关系？
让我们一一解答这些问题。
你不能做什么？
使用数据作为工作一部分的人们（基本上每个人）通常都乐于分享与他们必须跳过去以获得所需数据以执行工作职能所需的数据相关的烦恼。这些问题通常涉及弄清楚存在哪些数据，对数据有扎实的理解，对数据的访问，了解与使用该数据相关的规则，将该数据与其他数据结合（他们需要查找，理解，访问， …本身），这是一个基于自身的繁琐且重复的问题。我的描述将这些人的工作量降到。
数据使用者没有可供他们使用的数据清单
消费者没有业务词汇表，数据字典和数据目录，这些词汇表，数据目录和数据目录包含有关数据的信息，这些信息将改善他们对数据的理解（即使有可用的元数据访问也可能是个问题），他们并不立即知道与谁联系以请求访问数据（他们可能一开始就不知道存在），而且与数据相关的规则（包括分类和保护规则，业务规则，道德使用规则等）并未记录在可供数据消费者使用的资源中，因此无论如何，跳跳后的所有工作都将面临风险。 。
如果您问数据消费者
临时数据用户和数据科学家是什么原因导致延迟和完成正常工作的问题，那么您会期望得到上一段中列出的答案，这会让您大吃一惊，届时您将开始理解经常提到的80/20规则，该规则规定，他们80％的时间用于数据整理，而另外20％的时间实际用于分析，有意义的报告和回答问题，这确实是他们工作的一部分，这就是他们的技能，为什么要雇用他们以及为什么他们首先喜欢他们的工作。
这些问题假设他们初就可以使用他们所需要的数据
或者将真正帮助他们完成工作的数据，通常它不可用或它们对数据的信任度很低，以至于即使它们可用，他们也不信任数据资源，这是一种令人遗憾的状态，在可以管理数据的环境中可以并且应该解决这种情况。
你会怎么做？
这是另一个关键问题，因为它在频谱的另一端发挥作用，如果提出适当的假设，这个假设性问题可使数据使用者和数据科学家考虑应用创新和新的思维方式（当然还有分析数据的新方法和做出更好决策的改进方法），尽管这个问题本质上是乌托邦式的和理想主义的，但是数据科学家在假设只有他们有数据去做的事情上可以做些不同的事情上的能力越来越强。
如果您问这个问题，可以期望得到以下答案：
对数据建模以产生预测性和改进的预测分析
以更少的数据和有关数据的信息无法实现的方式合并数据
启用改进的机器学习功能，以及
识别数据中的模式，这些模式可导致更有效地与客户互动，改善销售，风险评估和欺诈检测。
这个问题导致了使组织以数据为中心，以数据为基础并且精通数据的改进方法。
提出此问题的问题是答案会指出（或使您感到）您到目前为止在以数据为中心
已启用且精明的工作上失败了，但是让我们看一下答案的积极方面，如果没有询问数据使用者，如果他们有数据可以做什么，那么您可能永远不会学到组织可以改善的所有领域。不应责备他人；改善的机会已被发现，然后问题变成了您将如何处理？这就引出了我将在本文中解决的一个问题。
这些问题与数据治理之间有什么关系？
这两个问题与数据治理之间的关系可以采用多种形式，企业提供数据治理计划的目的是，改善对数据的访问、增进对数据的理解、提高对可用数据的了解和对数据的理解、提高与保护，共享数据并从中获取价值相关的规则知识，以及更多其他功能。
众所周知数据和元数据将无法支配自己
您可以对该问题回答“是”和“否”，是的因为如果领导层不认为必须进行数据治理，那么他们可能不允许您将其作为一门学科，并且数据将继续以一如既往的方式进行管理。我有100％的客户在评估中使用的个实践是“高级领导层支持，赞助和理解与数据治理相关的活动” 如果您没有达到实践，则数据治理在某些时候将面临组织内部失败的风险，否，因为利益相关者已经多次，以太多方式从太多人那里听说过正式数据治理的必要性，尽管作为数据从业者，我们了解到分析和改进的决策是基于人们对数据质量的信心，但这并不意味着利益相关者在管理其数据时就“了解了”作为有价值的企业资产，这使我们许多人不得不反复尝试解决这个紧迫的问题，并回答利益相关者必须完全确信必须将时间和资源应用于数据治理的问题。
当从业务和技术的角度彻底，诚实地回答这些问题时，这些问题将为从业人员提供所需的火炮，以打破阻碍利益相关者和数据科学家确信数据治理的障碍是必需品，而不是美好的事物。
你准备好了吗？我们开始……问题的简单性可能会让您感到惊讶。
这三个问题是：
由于没有数据或不信任数据，您无法对数据做什么，而您需要对数据做什么呢？
如果您有数据可以做，该怎么办？
这些“不能做”和“将要做”与数据治理之间是什么关系？
让我们一一解答这些问题。
你不能做什么？
使用数据作为工作一部分的人们（基本上每个人）通常都乐于分享与他们必须跳过去以获得所需数据以执行工作职能所需的数据相关的烦恼。这些问题通常涉及弄清楚存在哪些数据，对数据有扎实的理解，对数据的访问，了解与使用该数据相关的规则，将该数据与其他数据结合（他们需要查找，理解，访问， …本身），这是一个基于自身的繁琐且重复的问题。我的描述将这些人的工作量降到。
数据使用者没有可供他们使用的数据清单
消费者没有业务词汇表，数据字典和数据目录，这些词汇表，数据目录和数据目录包含有关数据的信息，这些信息将改善他们对数据的理解（即使有可用的元数据访问也可能是个问题），他们并不立即知道与谁联系以请求访问数据（他们可能一开始就不知道存在），而且与数据相关的规则（包括分类和保护规则，业务规则，道德使用规则等）并未记录在可供数据消费者使用的资源中，因此无论如何，跳跳后的所有工作都将面临风险。 。
如果您问数据消费者
临时数据用户和数据科学家是什么原因导致延迟和完成正常工作的问题，那么您会期望得到上一段中列出的答案，这会让您大吃一惊，届时您将开始理解经常提到的80/20规则，该规则规定，他们80％的时间用于数据整理，而另外20％的时间实际用于分析，有意义的报告和回答问题，这确实是他们工作的一部分，这就是他们的技能，为什么要雇用他们以及为什么他们首先喜欢他们的工作。
这些问题假设他们初就可以使用他们所需要的数据
或者将真正帮助他们完成工作的数据，通常它不可用或它们对数据的信任度很低，以至于即使它们可用，他们也不信任数据资源，这是一种令人遗憾的状态，在可以管理数据的环境中可以并且应该解决这种情况。
你会怎么做？
这是另一个关键问题，因为它在频谱的另一端发挥作用，如果提出适当的假设，这个假设性问题可使数据使用者和数据科学家考虑应用创新和新的思维方式（当然还有分析数据的新方法和做出更好决策的改进方法），尽管这个问题本质上是乌托邦式的和理想主义的，但是数据科学家在假设只有他们有数据去做的事情上可以做些不同的事情上的能力越来越强。
如果您问这个问题，可以期望得到以下答案：
对数据建模以产生预测性和改进的预测分析
以更少的数据和有关数据的信息无法实现的方式合并数据
启用改进的机器学习功能，以及
识别数据中的模式，这些模式可导致更有效地与客户互动，改善销售，风险评估和欺诈检测。
这个问题导致了使组织以数据为中心，以数据为基础并且精通数据的改进方法。
提出此问题的问题是答案会指出（或使您感到）您到目前为止在以数据为中心
已启用且精明的工作上失败了，但是让我们看一下答案的积极方面，如果没有询问数据使用者，如果他们有数据可以做什么，那么您可能永远不会学到组织可以改善的所有领域。不应责备他人；改善的机会已被发现，然后问题变成了您将如何处理？这就引出了我将在本文中解决的一个问题。
这些问题与数据治理之间有什么关系？
这两个问题与数据治理之间的关系可以采用多种形式，企业提供数据治理计划的目的是，改善对数据的访问、增进对数据的理解、提高对可用数据的了解和对数据的理解、提高与保护，共享数据并从中获取价值相关的规则知识，以及更多其他功能。
众所周知数据和元数据将无法支配自己
简而言之需要有效的管理，有效的管理，能力，资源，时间和金钱，才能制定有效的数据治理计划并将其维持更长的时间，问题“您不能做什么”和“您会做什么”与拥有受治理的数据环境的结果之间的关系突出显示了可以利用的机会，以说服利益相关方说为什么有必要制定正式的数据治理计划到位。上述问题的关系和答案可能证明了制定有效的数据治理计划的一些理由，在为成为以数据为中心的组织而进行大量组织投资的这，从业人员必须开始部署有效的数据治理技术，以无创方式进行，而不是花费大量时间试图让利益相关者和数据科学家相信数据治理有必要的，希望本文可以分享一些实用的技术，以向那些将为您的企业带来改变的人们证明数据治理的价值。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
