做数据治理前 应该明白并避开的几大坑
发布时间：2022-06-30 03:45:37 所属栏目：大数据 来源：互联网
导读：Gartner 的一项调查显示，超过90%的数据治理项目都以失败告终。 这个数据可能会劝退一大波正准备做或者正在观望数据治理的企业：既然这笔投资90% 的概率失败，那为什么要继续。 1. 目标不明晰 数据治理是一个复杂的系统工程，一个明确合理的目标，能让数据
|
Gartner 的一项调查显示，超过90%的数据治理项目都以失败告终。 这个数据可能会劝退一大波正准备做或者正在观望数据治理的企业：既然这笔投资90% 的概率失败，那为什么要继续。 1. 目标不明晰 数据治理是一个复杂的系统工程，一个明确合理的目标，能让数据治理更加有的放矢，反之，不合理不清晰的目标，则会将这场治理，导向失败。 目标环节的问题主要出现在两个方面： 一是目标与业务脱节。不考虑治理能怎样为业务赋能，而是单从技术角度出发，为了治理而治理，这样一方面会导致数据治理难以取得业务支持，难以在业务层面落地;另一方面也会导致数据治理成为“空治理”，难以带来实际效果。 二是目标不够准确。作为系统工程，其目标也需要分阶段分情况分部门来拆解制定，如若目标定得太空泛，如“我们数据治理的目标是为了解决所有数据质量问题”，或者目标定得太浅层，如将其目标定为解决某一小方面的业务数据问题，都会导致数据治理工作难以有效规划，顺利开展。 所以，数据治理的第一步一定要做好：分析业务问题，找到企业的核心业务诉求，定义数据治理的目标和范围。 2. 人员参与度低 数据治理是一个从上到下的工作，资源的调动，制度的设计、执行、监督，最终都要落实在人上，只有获得组织内部全链条的支持，最终才能取得成效。 很多组织认识到了数据的价值，也成立了专门的数据治理团队，但通常这些团队里都是技术人员，并被划分到技术部门，导致整个数据治理的落地是重技术、轻业务的。技术部门往往受制于组织范围，主要从技术维度来治理，单方面解决数据问题，往往是治标不治本。 数据治理既是技术部门的事，更是业务部门的事，一定要建立多方共同参与的组织架构和制度流程，数据治理的工作才能真正落实到人，不至于浮在表面。 （编辑：PHP编程网 - 黄冈站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
浙公网安备 33038102330482号