不到十年前，由于规模，资源和组织能力的原因，大型企业比同行业的小企业具有显着的优势。现在已不再是这样，因为数字创新和全球化的推动，加上移动性，技术进步和社交媒体的增加带来的数据爆炸，已经拉平了竞争环境。较小的组织现在拥有所需的信息，可以更精确地定位客户，并在不需要规模或重要资源的情况下提高销售额。因此，先前的进入壁垒已经消失，使小型企业更容易参与竞争。

        这种新的趋势，通常被称为“数字中断”，以及产生的数据量激增以及更好的货币化策略，使企业进一步将数据视为关键资产。如果管理得当，此资产可以改善开发响应流程的组织中的业务洞察力和决策制定，从而在其技术环境中保持数据完整性。

未来成功的关键在于组织利用数据激增，同时保持对其疯狂速度的控制。许多组织正在通过持续分析建立企业范围的数据治理功能，以帮助清点，访问并从其数据中创建可操作的情报。该流程涉及与合适的业务用户合作，评估当前流程和业务需求，以及发明更精简的业务流程。其中许多步骤只有通过增强技术作为推动因素才有可能实现。在接下来的页面中，我们将讨论数据治理和分析的挑战和好处，并提出实施数据治理策略的三阶段流程，以便更好地控制，保护和利用您的数据，以实现业务洞察。

        挑战与机遇

        对于大多数组织而言，利用数据分析的可能性所带来的挑战不是来自缺乏意愿，而是来自缺乏结构。许多组织的核心业务流程系统至少已有十年之久，并且它们不会根据已建立的数据治理实践运行，并且具有明确定义的数据所有权角色和职责。传统上，这些组织的重点始终是实施企业资源规划（ERP）解决方案，以实现标准化和自动化，而不是通过嵌入式分析和治理重新构建业务流程。由于此前缺乏对治理的关注，主数据和事务数据通常存在于孤岛中，最终影响流程效率并扭曲决策制定中不可或缺的事实。此外，

这就是说，已经拥有系统数据的组织可以获得许多机会，其长期利益远远超过数据治理结构的初始努力和支出。例如，公司可以将数据治理与支出分析相结合，以提供跨业务部门的供应商，关系和支出的共同视图，提供协商统一支付条款和改善现金转换周期的机会。同样，组织良好的维护，维修和运营（MRO）项目本体可以通过减少虚假缺货，过剩库存和多个采购渠道以及价格变化来提高公司管理库存的能力。创建按需主数据程序（使用自动创建主数据的技术）可以促进从配送中心及时接收和交付货物，从而缩短供应链的交付周期。总之，每个企业都有很多机会，而且往往是独一无二的，有效的数据治理组织与分析相结合可以在短时间内带来巨大的价值。

        建立数据治理的三阶段方法

        大多数情况下，数据治理对话始于公司发现数据质量缺陷，企业应用程序缺乏单一版本的事实，或者无法轻易识别数据所有者。在许多情况下，这些实现是在整个组织的复杂ERP解决方案实施之后进行的，这通常会揭示以前隐藏在隔离位置或流程中的数据缺陷。

        下面概述的三阶段数据治理方法通过专注于建立一个响应性和适应性强的主要和事务性数据治理组织来解决这些问题，最重要的是，正确定义组织内数据的角色和职责。第一阶段是制定治理战略，该战略定义了维护数据的政策和程序，并以数据分析为后盾，以发现改进领域和治理路线图的优先次序。第二阶段是开发主数据治理，重点关注流程交互和关键属性验证，以实现整个企业的业务运营的最佳性能。

        第1阶段：数据治理战略和数据分析

        数据治理是指组织管理其业务流程背后的数据的定义，质量，一致性，完整性和及时可用性的所有策略和流程。数据分析用于了解可能对业务绩效产生负面影响的数据质量问题。在此基础上，开发了一种数据治理解决方案，可以解决每个问题的根本原因。

通过查看历史数据和模式并与业务所有者交谈来确定正在使用的数据量是否符合组织的数据治理策略，从而完成数据分析。公司可能需要与业务流程所有者一起举办研讨会，以发现损坏的数据流程和痛点。通过历史数据分析发现的信息可能与日常用户提供的信息不同 - 因此，查看历史交易数据是数据分析的关键组成部分。

        数据剖析阶段的一部分是了解谁拥有所有主要过程域并确定哪些业务线应拥有数据并负责其持续维护。为此，组织应在整个生态系统中使用通用逻辑数据模型建立以数据为中心的流程和标准化。以数据为中心的流程是由组织的日常实践提供的，而不是在实践中不遵守100％的政策。例如，如果一个组织的目标是向所有供应商支付60天的净额，并且相应地设计了支付条款，但通过提前定期支付会产生许多例外，那么该政策就会被破坏。解决方案是设计一种政策，在发票和付款之间的较短间隔内提供保费（例如，

数据成熟度的当前状态评估为测量数据质量随时间的进展提供了基准。可以将预定义的业务规则应用于特定数据集，以定量评估数据质量并提供可操作的结果以改进数据治理。分析为企业提供了为主数据和事务数据开发数据质量记分卡的能力，如下所述。

        第2阶段：主数据治理

        数据分析结果可以帮助您深入了解主数据质量及其对业务流程有效性的总体影响。主数据治理使组织能够使用技术来实施组织策略和过程。但是，只有当这些策略和过程实际上有效且无缝地运行业务时，治理组织才能成功。投资主数据治理技术而没有可靠的基础治理政策将无法确保成功; 但是，使用正确的平台来实施策略对于提高业务流程效率至关重要。

大多数数据治理技术提供与工作流相关的功能，以根据预定义的业务规则有效地创建，维护和路由数据。自动化水平，业务规则质量以及使用适当的关键性能指标（KPI）将决定主数据管理的一致性和合规性水平。

        例如，可以在主数据治理系统中轻松维护所有应付物料的45天付款期限政策，并且符合率为100％。但是，只有在使用KPI来提供与付款期限政策的偏差时，才能跟踪合规性。

主数据治理的目标不仅是维护数据策略和程序，还要向数据管理员提供反馈，突出显示偏离公司标准的数据中的异常值。

        第3阶段：数据质量指标和记分卡

        数据质量记分卡可以提供有关数据质量的有意义的见解以及日常业务运营质量差的影响，这些都是数据治理组织持续有效的不可或缺的组成部分。数据质量记分卡侧重于遵守管理政策和程序的主数据，并为数据管理员提供可操作的见解，以提高整体数据质量。

        数据治理组织的真正商业价值是评估现有业务流程，并从业务角度审查整个流程效率，将主数据策略与运营事务数据相结合。记分卡是数据结构的统计分析 - 一个连续的过程，用于识别数据结构何时从策略转移。记分卡不仅限于主数据，还扩展到历史和事务数据，将分析与治理相结合，以获得有用且可操作的见解。虽然大多数组织都采用某种形式的数据治理，并以某种形式利用数据分析和报告，只有少数人将持续的指标和数据记分卡集成到他们的治理流程中，以帮助他们提高业务流程的质量。这是此处描述的方法与大多数现有数据治理实践之间的主要差异之一。