衡量和监测流程1）获取和衡量数据治理和管理工作的有效性及价值；2）监测是否与定义的政策和规则相符，有无异常；3）使数据资产及其生命周期透明并可审核。

    组成衡量和监测阶段的最重要的流程包括：

    主动监测。为更加迅速的识别和减少使流程发生故障的危急问题以避免重大损失，对数据质量进行主动监视，并在交易和互动操作中，实施识别、主动监测违反政策和规则的异常情况。

    ·业务和IT管理员都有责任确保数据治理遵从数据政策、规则和标准，并在必要时缓解和协调数据质量、数据隐私或数据安全的问题。主动监测和被动监测功能提供可见性，这在管理员观察和处理任何问题时都是必须的。

    数据沿袭分析。在数据的整个生命周期中执行根源分析、影响分析以及数据沿袭分析。

    ·使最关键数据的支持元数据透明可见的功能，以及协调功能是数据管理参考体系的基础要素。数据沿袭可视化及审核使数据架构师和管理员能有效评估数据定义、规则和模式潜在变化的影响--数据质量和数据安全出现问题时，进行根源分析的作用亦是如此。此功能提供透明性，以支持许多监管法令审核的需求。

    被动操作DQ（数据质量）审核。为数据管理员提供可见性，以解决数据质量相关问题，这些问题是经由实施流程阶段执行的预定义管理工作流程传递给数据管理员。

    ·业务和IT管理员都有责任确保数据治理遵从数据政策、规则和标准，并在必要时缓解和协调数据质量、数据隐私或数据安全的问题。主动监测和被动监测功能提供可见性，这在管理员研究和处理任何问题时都是必须的。

    仪表板监测/审核。数据监测起到早期报警系统的作用，在数据质量、安全、保密、依从性问题对相关应用程序、报告及流程造成严重破坏之前进行捕获。数据监测结合使用设备报告数据质量或数据安全问题的状态，确保发生变化时根据需要及时应对，进行适当的抑制和平衡。

    ·操作衡量标准的指标包括数据准确性、完整性、整体性、唯一性、一致性和标准化，以及审核确保遵从保密和安全政策。

    项目绩效。衡量数据治理工作本身的绩效。例如，衡量业务范围、功能领域、系统领域、项目团队以及组织内提供管理资源和赞助的其他部分。另外，衡量对数据治理功能的所有问题进行的归类和跟踪，以及进行培训、咨询和项目实施支持等增值活动的情况。

    ·衡量数据治理成功与否的一个重要标准是看数据治理项目的参与和共享水平以及产生的影响。虽然这些衡量标准不能表现业务价值，但可在实施数据管理工作时，让赞助者看到早期数据治理工作的进展。

    业务价值/投资回报率（ROI）。衡量数据治理投资的业务价值涉及对多种效益的衡量，其中包括，遵从规章减少损失；降低企业风险（例如，合同风险、法律风险、财务风险、品牌风险）；降低成本（例如，业务成本、劳动力成本、软件成本、硬件成本）；优化支出（例如，采购、供应链、服务、劳动力）；提高工作效率（例如，员工、合作伙伴、承包人）；增加收入增长；以及优化客户体验和满意度。

    ·如果没有衡量数据治理工作价值和有效性的方法，数据治理工作将不会获得赞助、资源、资金或优先权。


    相关文章：

    数据治理应用流程人机共同运转
    机构关注的数据治理问题
    数据治理定义流程正确记录业务政策、规则和标准
    数据治理发现流程评估和审视环境
    数据治理流程
 

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。