我要评论1. 写在前面
为了应对数据复杂的现实，数据管理解决方案变得越来越昂贵。企业在使用统筹数据方面变得更加复杂，推动了需要不同方式来处理这些数据的新需求。有远见的组织认为，解决数据问题的唯一方法是实施有效的数据治理。以前由it驱动的管理数据方面的尝试大多都失败了。直到最近，数据治理大多是非正式的，国家在国家发展规划中多次提到大数据、数字化转型。尽管企业数字化转型其重要性得到高度认可，但数据治理领域仍处于开发和研究阶段。目前，存在的大多是数据治理领域的描述性文献综述。
2. 说明
我们习惯于it治理和公司治理的概念。“治理”一词通常是指组织确保制定、监控和实现战略的方式。由于it已成为每个组织的支柱，根据定义，it治理成为任何业务战略的组成部分，并属于公司治理。从历史上看，数据来自不同的遗留事务系统。然后，数据被视为运行业务的副产品，除了交易和处理它的应用程序之外几乎没有价值；因此，数据没有被视为有价值的共享资产。这种情况一直持续到1990年代初，当时数据的价值开始呈现交易之外的另一种趋势。业务决策和流程开始越来越多地受到数据和数据分析的驱动。对数据管理的进一步投资是处理不断增加的数据量、速度和种类的方法，例如复杂的数据存储库、数据仓库。数据链接变得非常复杂并在多个系统之间共享，提供单一参考点以简化日常功能的需求变得至关重要，这催生了主数据管理。
数据复杂性和数量持续爆炸式增长，企业在使用数据方面变得更加复杂，推动了新的需求，需要以不同的方式来组合、操作、存储和呈现信息。研究人员在定义数据治理方面存在差异，数据治理研究所将其定义如下：“数据治理是信息相关流程的决策权和问责制系统，根据商定的模型执行，该模型描述了谁可以采取什么行动、什么信息、什么时候、什么情况下使用什么方法”。
slr是一种识别、评估和解释与特定研究问题、主题或感兴趣的现象相关的所有可用研究的方法。开展slr的主要原因是通过识别数据治理的最新技术来总结现有的数据治理信息，并真实反映当前的数据治理研究和实践，并通过根据当前文献确定研究人员可能的方向。
3. 数据治理的新技术
数据治理已成为企业信息管理的新兴趋势。在文献中，有限数量的研究已经讨论了数据治理的重要领域。数据治理研究的根源可以追溯到1980年代初期。niemi还观察到，在他发表论文时，来自研究人员和从业者的所有现有数据治理来源都侧重于为数据质量管理(dqm)和组织结构设置决策权。云安全联盟报告说，那些认为自己拥有数据治理计划的组织，事实上，他们并没有考虑到这些计划完整和有效所需的所有方面。其他研究人员建议将it治理中的知识构建转移到数据治理程序的开发中。认为组织应该建立一个数据治理结构，让it部门对数据负责。企业数据管理数据治理计划认为数据治理模型有助于组织构建和记录其数据质量的责任。其他作者也将数据治理与问责制相关联，例如；组织必须设计角色职责的数据治理模型，以识别在组织中具有定义、生成和使用数据的责任级别的人员。数据治理需要所有it员工、管理层和高级管理人员的参与和承诺。
有效的数据治理框架可以帮助组织创建明确的使命、实现清晰、增强使用组织数据的信心、建立责任、保持范围和重点，并定义可衡量的成功标准。rifaie等人建议实施企业数据仓库，以实现有效的数据治理框架，该框架应基于结构、流程和通信。
尽管研究人员一再呼吁需要数据治理框架，但研究显示其中只有少数几个，主要由dama、dgi和ibmibm等行业协会开发。2011年，云安全联盟提出了一个数据治理框架，由目标和结构组成。目标分为正式的it、业务和功能目标，而结构则分为控制焦点、组织形式、角色和委员会。根据dgi的说法，数据治理框架的开发是一项复杂的任务，可以由各种相关项目组成，包括程序、阶段、决策域、通用对象和组件。dgi将他们的框架活动分为三个部分，即规则和角色、人员和组织。此外，ibm的数据治理方法是从供应商数据治理软件提供商的角度构建的，因此，建立数据治理将需要软件支持。该模型表明，组织需要确保业务和it问题必须明确定义，并具有完整的执行力。
发表评论