過去一年發生了顯著變化，從元數據成熟度日益重要，到數據治理和數據質量實踐的日益融合。為了讓你的企業蓬勃發展，你需要準備好迎接這些進步，并在必要時調整你的策略。
數據治理教練尼古拉·阿斯克姆(Nicola Askham)最近與Precisely的全球服務高級副總裁大衛·伍茲(David Woods)和產品管理副總裁肯·伯特勒(Ken Beutler)一起，分享了他們對來年及以后數據治理最重要趨勢的看法。
觀看他們的完整對話以獲取所有見解，并繼續閱讀以下部分重點內容的回顧。
現代數據治理的關鍵趨勢
回顧過去一年，小組成員強調了數據治理和數據質量領域的幾個重要變化。
元數據成熟度是堅實基礎的關鍵
元數據管理成熟度的重要性日益增加，特別是隨著數據網格(采用去中心化方法)和數據結構(采用統一方法)等新型數據管理架構的出現。這些架構的出現都是為了加速向用戶提供可信賴的數據，以便其可用于明智決策的行動和訪問。
伍茲強調，許多企業一開始都會問哪種架構最適合他們，但他們真正需要首先關注的是元數據成熟度的關鍵作用：“我告訴大家的是，從根本上講，我們要專注于豐富的元數據，然后圍繞數據治理構建基礎能力，再將其民主化推廣至整個企業。”小組成員一致認為，元數據成熟度對于可擴展性和推動業務成果至關重要。
AI在數據治理中的作用日益增強，AI治理也是如此
AI已成為現代數據治理的強大助力，可自動化數據編目等重復性任務，但伍茲指出，AI并非要取代人，而是一種增強工具。“真正的數據治理歸根結底在于上下文，”他解釋道，強調雖然AI提高了運營效率，但人仍然是提供業務價值的核心。
伯特勒進一步闡述道：“大型語言模型的優劣取決于其訓練所用的數據，而仍有大量知識和信息保留在管理數據的人員以及數據治理和質量企業中的部分人員身上，”他說，“當我們找到釋放這些知識的方法時，AI將成為更大的加速器。”
數據與AI成果之間的緊密聯系也導致了向更多AI治理的轉變。阿斯克姆指出，隨著企業考慮AI的倫理問題和風險(如無意中的偏見)，她相信“我們將有更多數據治理團隊承擔起AI治理的角色。”這一轉變將需要新技能和與AI專家的合作。
數據治理的動機超越了法規要求
歷史上，許多企業實施數據治理主要是為了滿足法規要求，然而，阿斯克姆觀察到了一個令人振奮的轉變，她注意到過去一年中更多涉足數據治理的企業并不屬于受監管行業。
“他們進行數據治理是因為他們理解這將帶來的業務價值，這真的很令人振奮，”她說，這一轉變凸顯了數據治理作為戰略助力的日益認可。
數據治理和數據質量趨于融合
數據治理和數據質量之間的界限正在模糊。伍茲指出，到目前為止，治理和質量之間的區別以及何時處理每個方面，常常讓企業感到困惑，我們可能會看到綜合方法的增加。“隨著時間的推移，數據治理和數據質量的結合越來越緊密……我認為這是一件好事。”他說。
對此，阿斯克姆表示：“數據治理和數據質量應該由同一個團隊來完成，”她強調，業務用戶通常優先考慮高質量數據，但往往不太可能與治理團隊合作，因為他們認為治理的影響較小。她說，實際情況是，“從業務用戶的角度來看，它們應該是無縫的。所以，我們能讓它們越緊密地結合，就越好。”
2025年數據治理成功的建議
我們的專家還分享了你在2025年及以后的數據治理之旅中可以部署的實用策略見解。
人員、流程和技術相協調
成功的數據治理需要整體方法。伯特勒表示，在考慮你的策略時，“不要為了數據治理而做數據治理。這背后需要有一個原因——知道你想要什么，或者你實際購買解決方案是為了什么。”你需要深入了解這些能力將為你的業務提供什么好處，而在衡量解決方案的采用情況時，伯特勒補充道，“這不僅僅是有多少人在使用軟件本身，而是真正試圖了解所有人員、流程和技術如何共同努力以實現某種業務成果。”
伍茲對此表示贊同，他強調了數據治理和質量計劃路線圖的重要性：“路線圖應包括技術、人員和流程。”工具很重要，但它們需要補充你的策略。
從小處著手，迭代發展，逐步壯大
伯特勒和阿斯克姆都強調，越來越多的企業意識到從小規模開始數據治理計劃的價值。無論你的企業規模大小，或你目前處于數據治理旅程的哪個階段，采取更注重快速見效的務實方法都會大有裨益。
伯特勒解釋道：“我們看到越來越多的基于團隊的治理計劃開始支持分析，甚至更小的AI項目，或者我們看到單個業務部門能夠通過治理取得成功并進行衡量，然后規劃如何將其進一步擴展到整個企業。”
阿斯克姆補充道：“試圖以‘大爆炸’的方式進行數據治理是行不通的……要從小處著手，學習、適應、改變并推廣。”一種有目的、有意圖的迭代方法，可以讓你的企業有效地學習、適應和擴展你的計劃。
構建數據文化
數據素養在現代數據治理計劃中發揮著至關重要的作用。“當我們聯合并民主化數據治理能力時，無論企業正在考慮哪種架構方法……數據素養都將發揮非常重要的作用。”伍茲說。
他繼續解釋說，數據素養有助于確保你的用戶不僅了解數據術語本身，還了解這些數據如何在業務流程的上下文中使用——這樣，他們就可以推動有意義的結果，并避免無意中的偏見。他強調，企業需要通過提供業務術語表和清晰的數據定義等工具，讓員工更容易“做正確的事”。
伍茲還強調了根據不同需求調整治理工作的重要性——例如，預測分析可能需要更寬松的治理，但合規或財務報告則需要更嚴格的控制。
數據治理之旅的下一步
我們小組的哪些觀點與你自己的數據治理旅程最為契合?你如何進一步改進未來的策略?
當你采取重視元數據成熟度、培養強大的數據文化，以及對數據治理和質量采取綜合方法等措施時，你可以促進團隊之間的更好協作，并從數據治理計劃中釋放真正的價值。
在你規劃時，請記得從小處著手并抓住快速見效的機會，有目的地進行迭代，并協調人員、流程和技術以實現最具影響力的成果。這些步驟將幫助你應對現代數據管理的復雜性，并使你的企業為轉型做好準備。
企業網D1net(hfnxjk.com)：
國內主流的to B IT門戶，旗下運營國內最大的甲方CIO專家庫和智力輸出及社交平臺-信眾智(www.cioall.com)。旗下運營19個IT行業公眾號(微信搜索D1net即可關注)。
版權聲明：本文為企業網D1Net編譯，轉載需在文章開頭注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號