数据治理引领我们实现数据质量，而不是相反

[shukla7789]

数据治理和数据质量一直是独立的学科。然而，数据治理似乎可能是实现数据质量的一种方式。
数据治理和数据质量传统上是独立的学科。然而，在最近的一次数据治理会议上，一位发言者提出的观点引起了观众的注意。他谈到数据治理是实现数据质量的一种方式。

当组织的分析和商业智能项目受到数据质量不佳的影响时，组织可能会决定开始寻找数据质量工具。或者由于某些规则或法律迫使公司更加严格地控制其数据的准确性和完整性。

有效的数据治理：减少错误和实现数据治理目标的指南

然而，先购买数据质量工具就像是未确诊就吃药一样。企业拥有成千上万种不同的数据元素。我们应该重点关注哪一个？我们应 香港 whatsapp 数据 该将哪些内容排除在范围之外？哪些对业务影响最大，应该首先进行管理？

为了回答上述问题，我们有两种可能的方法：

关键数据元素：确定对业务而言关键的数据。它可以是一份报告、一个立方体、一个 KPI 或者任何其他关键的东西。
数据价值：估计数据质量差的成本，或者换句话说，估计与数据质量差相关的风险。首先关注那些风险最高的领域。
在这两种情况下，一旦我们发现并确定重点领域优先顺序，数据治理就会创建一个协作框架，用于管理和定义政策、业务规则和资产，以提供必要级别的数据质量控制。

数据所有者可以定义所涉及的关键流程和系统。同时，公司可以指出数据在系统中传输时必须遵守什么标准。这是制定政策、要求和业务规则的地方。

一旦我们知道数据在组织中是如何流动的，也知道标准是什么，就很容易要求数据质量团队将这些标准转化为数据质量配置文件规则，并使它们对这些系统中的数据起作用。







您可能有兴趣阅读：
数据治理：数据管理的政府







现在我们已经明确了数据质量工作的重点。
下一步将是将来自一个或多个数据质量工具的指标链接到关键业务资产，以便用户可以准确地了解他们的状态以及他们滞后的地方。

在数据质量仪表板上，红色 X 表示一项或多项检查未达到阈值。

为了能够使用数据，它必须是值得信任的。拥有一种简单、直接的方法来识别数据错误并快速解决它们对于维持或恢复这种信任至关重要。

数据帮助台是数据服务管理的关键组成部分。一种高级别成熟度状态，其中组织中的所有员工都可以访问记录所有数据的中心位置。这使得组织能够利用组织的数据治理、规则和职责以有效的方式处理所有与数据相关的问题。

使用数据质量工具意味着一旦超过阈值，就会自动生成数据问题，并涉及所有必要的利益相关者启动正确的流程来纠正这些数据问题。