数据架构师：您要治理什么？

Robert Catterall 是一位数据库专家，他想确定实现数据治理的必要性。在 IBM Information Governance Solutions 的主管 Steven Adler 的帮助下，他探索了数据治理的原则以及它如何帮助数据库团队。

我是一位数据库工作者(更准确地说，是 DB2 工作者)。我的工作处于 IBM Information Management 软件组合的低层。如果说那些从事分析、主数据管理、数据集成和其他高层软件技术的人是数据巨轮的高级船员，他们站在舰桥上，穿着带金色肩章的白制服，用双筒望远镜了望远方，那么我是在轮机舱工作。当舰桥上传来指令，命令我加快数据流动的速度时，我回答说，“我们已经到极限了，船长!”… 但是我仍然要想办法完成任务。你们成天谈论战略和模式，而我谈论的是比特和字节、速度和供应。欢迎来到我的世界。好了，不打比方了，我们来讨论实际问题吧!

我曾经遇到过许多似是而非的概念，最近遇到的一个是“数据治理”。对不起，长官，但是这听起来是针对某个问题的解决方案。让我告诉您一个小秘密：数据是没有自主行动力的，这意味着它不需要“治理”。它需要操控，我和我的朋友们能够应付，谢谢您。请找别的什么东西去“治理”吧!

您说什么?您在谈到治理数据时，实际上是打算治理别的什么东西?OK，现在我感兴趣了。请多说点儿，我洗耳恭听。

重点在于人

关于数据治理，我应该听取谁的意见?没人比 Steve Adler 更合适了，他是 IBM Information Governance Solutions 的主管和 IBM Information Governance Council 的主席。他在电话上告诉我 “数据治理”这个词在修辞方面的矛盾性实际上是有意义的：它提醒人们提出问题。“‘数据治理’ 究竟是什么意思?” 谈话就此展开了。Adler 指出，真正的目标是对行为进行治理。

人与数据库交互：他们引导数据流的走向;他们解释并处理数据请求。人也会犯错 — 常常是由于他们采用的过程和依赖的应用程序系统有缺陷 — 这会在信息管道中引入错误，给下游造成数据质量问题。Adler 指出，数据治理的意图主要是系统化地找到并解决可能引入错误的点。目标是形成决策者能够信任的数据 — 还要向他们提供数据可信的证明。

这是一个很不错的说词。但在加入您的事业之前，我想看看 “蓝色巨人” 是如何吃 “垃圾食品” 的。Adler 问我是否了解 IBM 的产品目录。我确实了解 — 毕竟我为 IBM 工作了 17 年。IBM 有大量信息，有多达 1.2 亿条记录。显然，这些记录中很大一部分包含错误的信息：错误、缺失和未及时发布的数据。在 255 个 IBM 产品公告中，只有 5 个完全没有错误。这真是让人震撼的统计数字。

为了找出数据质量问题的来源，团队在通向生产数据库的数据流中不同的位置上设置 “捕捉器”。捕捉器帮助团队发现在特定条件下可能发生的错误。找出问题的原因之后，团队就可以设计和实现基于过程和基于技术的解决方案，从而消除不准确的信息的来源。

不是我的问题(也许是?)

我想，只要消除可能导致数据质量问题的条件就行了，所以由您负责。我希望您成功。不需要围着我和 DBA 照管的数据库打转 — 它们很可靠。有多可靠?精确度至少有 99.9%。我谈论的数据库有多少数据记录?生产数据库可能有超过 10 亿条记录。是的，由于数据库规模如此之大，尽管错误率非常低，错误数量仍然相当大。好吧，您说的有道理。在数据库内部和周围放上一些捕捉器可能是好主意。

Adler 说，但是不要就此止步，因为数据质量问题不仅仅是数据记录不准确。有时候，急迫的问题是必须处理数据分类。例如，一个组织通过并购形成了更大的规模，最终通过多个业务线为更大型的企业客户提供服务。客户公司之一抱怨说，当他们通过不同业务线的代表向服务提供组织提出同一个问题时，却得到了不同的回答。这是因为对于不同的业务线，相同术语的含义不同。这是数据定义问题 — 数据治理要通过有效的主数据管理 (MDM) 消除此类问题。

如何从 A 到 B?

我承认，我开始看出数据治理的一些价值了。这个概念不像我最初认为的那么不知所谓。但是，看到潜在价值和获得实际价值是两回事儿。如何通过数据治理工作获取价值?从哪里做起?如何推动不断进步?

Adler 告诉我他喜欢的方式分为六个步骤：

确定目标。一些目标可以有变动，其他目标是固定的(例如处理数据质量问题)。是的 — 在出发之前，必须明确要去哪里。

确定要度量什么。如果想要提高数据质量，那么如何能够知道是否已经取得了进步?可能要检查存储库中一定比例的文档，记录信息不正确或缺失的情况。决定度量的过程和条件对于评估基线情况和跟踪过程很重要。我明白了。说说容易：如果想要说服人，就要提供数字。

了解组织的决策模型。是专制模型?代表模型?还是民主模型?无论是哪种，它适合您的公司吗?您正在开发的数据治理策略支持这种决策模型吗?决策“更好”的含义是什么?需要做出大量决策吗?还是要更快地做出决策?我想，在改进数据质量时，总是要花时间评估数据在自己的环境中如何驱动决策。可能会发现需要改进的东西。

有效地传播数据治理策略。如何把策略的相关信息告诉相关人员和感兴趣的其他各方?通过电子邮件?通过时事通讯?不能只依靠同事之间的口头交流。

度量结果。数据治理策略取得的实际效果如何?如果已经制定了度量进展的计划(这个列表中的第二项)，那么得到具体的数字应该不太困难。解释这些数字会很有意思。

审查整个数据治理工作。是否采用了适当的过程?是否应用了适当的技术?是否实现了有效的控制?“审查”这个词有点儿让我不舒服，但是我知道对于策略来说这是不可缺少的，无论是数据治理策略还是其他策略。我不喜欢评判别人的工作，但是我理解有时候需要这么做。

这些是非常高级的检查项，具体的项目计划应该远远不只六个步骤。但是，在面对复杂的任务时，以适当方式对难题进行拆分确实有助于明确工作重点。对于我来说，Adler 的方法看起来是不错的问题拆分方式。可以以此为基础开展工作。

好吧，我接受了

一个城市的居民嘲笑另一个城市时会说，“那儿没有‘那儿’这个概念”。我过去也是这么看待数据治理的：很有意思的概念，但是拜托 — 它有什么实际意义吗?Steve Adler 在关于数据治理的业务价值的争论中说服了我。我现在认为数据治理是有价值的。

因此，如果信息管理领域的大人物再到数据库 “轮机舱” 与您谈论数据治理，那么好好听他们说。最好考虑一下自己能够在哪些方面发挥作用。宏大的计划如果能够参考实干家的意见，往往会取得更好的结果。

就到这里吧。也许我会在咖啡机旁遇到您。谁知道呢?也许我们会轻松地谈论一下数据治理。