11、数据治理：从基础到高级成熟度的全面指南

数据治理：从基础到高级成熟度的全面指南

1. 数据治理与业务决策

提升数据素养能够增强利益相关者在数据分析方面的能力，以及将数据洞察融入决策过程的能力。提高数据素养使利益相关者能够积极参与数据治理生态系统，并负责任地利用数据推动业务成果。通过促进利益相关者的参与和采用，组织可以确保其数据治理计划不仅仅是一套政策，而是一个充满活力、不断发展的生态系统，推动在机器学习计划中负责任地使用数据。这最终会使组织更加明智、以数据为驱动，从而从机器学习工作中获取更大的价值。

2. 建立数据治理指标

数据治理指标和关键绩效指标（KPIs）应根据组织机器学习计划的特定需求和目标进行定制，同时考虑数据治理成熟度水平、特定行业要求和监管环境。以下是建立数据治理指标和 KPIs 时需要考虑的关键因素：
- 与业务目标一致 ：数据治理的存在是为了服务于更广泛的组织目标。指标和 KPIs 应直接与这些总体业务目标相关联。关键是避免陷入跟踪所有可能指标的困境，而是专注于那些能够证明数据治理如何有助于实现战略目标的指标。例如，如果一家公司旨在通过数据驱动的举措改善客户细分，那么围绕客户数据的质量和可访问性的指标将至关重要。跟踪客户属性中缺失值的百分比或业务用户访问相关客户数据集所需的时间，将为数据治理在支持这一特定业务目标方面的有效性提供有价值的见解。
- 利益相关者需求 ：数据治理会影响组织内的各种利益相关者。业务领导者可能会优先考虑展示数据质量改善带来的财务利益的指标，例如通过数据驱动的营销活动增加的收入。另一方面，数据分析师可能对与其数据分析任务相关的数据完整性和准确性指标更感兴趣。在选择指标和 KPIs