数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
随着组织数据收集和存储的增长，所有业务流程都将受益于数据驱动型。随着组织数据收集和存储的增长，其决策也会随之增长。当然，数据量的增加带来了新的问题。公司积累的数据资产越多，遇到的数据困难就越多。
随着越来越多的数据项来自数十或数百个不同的来源，公司经常失去对数据生命周期过程的控制，扩展以满足数据最终用户的期望变得越来越困难。因此，了解并为公司建立数据治理框架迫在眉睫。
一、什么是数据治理框架？
数据治理框架是成功管理大量信息所需的人员、过程和规则的模型。
各种业务驱动因素是公司持续成功的关键方面或程序，指导着每家公司的运营。组织的特定业务驱动因素决定了作为数据管理计划的一部分，必须严格控制数据的程度。
例如，医疗保健组织的业务动机之一可能是保护与患者相关的数据资产的隐私。这就需要在敏感数据在组织中传输时对其进行安全管理，以保持对相关政府和行业标准的合规性。但是，患者的医疗保健专业人员必须能够同时轻松访问他们的医疗记录。这些要求是提供商数据管理策略的基础，也是其数据管理系统的基础。
精心规划的数据治理框架包括战略、战术和运营层面的角色和职责。您可以放心，您的数据是可信的、有据可查的，并且易于在您的业务中发现。它还保持安全，符合法规，并防止泄露。
二、数据治理框架示例
开发数据治理框架的传统方法分为自上而下和自下而上。这两种方法源于截然相反的哲学观点。一个优先考虑数据控制，以最大限度地提高数据质量。另一个，优先考虑数据的可访问性，以优化所有业务部门的最终用户的数据访问。
1、对于数据控制：自上而下的方法
此方法集中了数据管理。它基于一小组数据专家，他们使用定义明确的程序和众所周知的最佳实践来实现他们的目标。此方法意味着数据建模和治理具有最高优先级。随后，数据被更广泛地提供给组织的其他部门进行分析。
尽管此策略有效，但它存在严重的扩展问题。在此概念中，数据生产者（通常是 IT）和数据使用者（通常是业务用户）之间存在明显的区别。只有数据供应商才有权对他们收集的信息行使任何控制权。在云计算出现之前，这不是一个问题，因为需要监管的数据较少，需要访问这些信息的团队也更少。
然而，这些小型数据生产者团队现在无法跟上数据消费者的需求。目前，公司要求向需要数据的每个人提供干净、完整和不折不扣的数据。为了使这些团队继续作为看门人运行，有太多的业务用户代表他们发出太多请求。
2、对于数据可访问性：自下而上的方法
在数据管理方面，自下而上的方法提供了更大的灵活性。与从数据建模和治理开始的自上而下策略不同，自下而上的方法从非结构化数据开始。引入原始数据后，可以在数据之上构建结构（这称为“读取时模式”），并添加数据质量控制、安全规则和策略指南。
这种结构在大数据中越来越受欢迎，比集中式方法更具可扩展性。它提出了一系列全新的数据挑战。由于数据管理直到流程后期才应用，并且任何人都可以提交数据，因此更难保持控制。此外，如前所述，缺乏数据管理可能会导致监管风险增加，利益相关者对组织数据失去信心，以及由于必须管理的数据资产集合混乱而导致数据管理成本更高。
我们需要一种现代化的数据治理框架方法，在访问和控制之间取得健康的平衡，以实现这一目标。我们必须在流程的早期建立控制，同时不影响用户和主题专家承担数据所有者和策展人角色的能力。
