Sergey Nivens - Fotolia

消息 及时了解最新的企业技术新闻和产品更新。

自助分析最佳实践的数据治理

建立强大的数据治理策略,将通过组织过程中的这些最佳实践包括这些最佳实践来支持您的自助分析环境。

当熟练分析师的小团队负责大部分BI和分析时,在一个时代构思了数据治理实践。由于那些早期,数据治理因数据的数量和流程的增加而变得复杂。

虽然这些努力承诺解锁数据的价值,但它们也增加了风险增加,这可能会影响企业的底线。特别是在自助服务BI环境中,重要的是为数据治理建立最佳实践,以避免这些风险。

自助服务的数据治理手段是什么

没有简单的自助分析数据治理,用户可能会转向阴影它

“如果由于陈旧的治理机制,人们无法有效地利用他们所需要的数据,那么他们经常找到一种方法,即将其擅长Excel,”CTO在Domo,CTO,云BI服务。一旦发生这种情况,数据管理团队认为到位的数据治理策略就会出门。

Knime的主要数据科学家Rosaria Silipo探讨了挑战良好的治理首先是她的团队增长自助分析。

“以足够的水平和彼此兼容的不同数据片来保持数据质量的唯一方法是强制治理策略,”她说。

其他人发现良好的治理实践可以保持成本。没有护栏,公民数据科学家可能会意外地掌握一个实质的云账单,以便是一个看似简单的查询,这是错误的方式。

“它应该评估哪些查询过于昂贵,耗时或处理器 - 密集型,”数字营销机构EWR Digital的首席执行官和SEO战略家Matt Bertram表示。

Bertram的团队探讨了赋予企业主的方法来更好地监控营销活动ROI,而IT团队成员则根据需要保持注意力和帮助。

作为代码的治理

一个有用的策略是应用相同的原则基础架构作为代码治理过程。在此模型中,所有策略,进程和实践都被明确捕获为代码,可以使用像GitHub等源代码存储库版本化和管理。这使得可以轻松符合数据工程任务的数据治理的所有方面Analytics所需

这可以在手动配置新BI仪表板的数据流时降低错误的风险。

“数据团队使用效率低下,手动流程通常会发现自己疯狂地工作,以跟上无休止的分析数据流和数据的指数增长,”Datakitchen,Dataops咨询和平台提供商的创始人兼首席执行官表示。

增强上下文

“在传统的分析中,数据的消费者可以更加可靠地理解数据的背景,其及时性和质量,CTO在Snaplogic,数据自动化和集成公司中的数据库。

在自助服务状态中,对用户可用的数据更加重要,最新质量,最新状态和它们可以依赖和理解的格式。因此,数据治理和元数据的可用性是重要的,因此用户具有数据资源容易理解和可用

“自助服务BI需要向用户提供有关如何在业务环境中应用数据的信息;否则可以在可能对业务造成伤害的方式中不正确解释,”数据副总裁Peggy Tsai表示BIGID的解决方案,数据智能公司。

她推荐标准化商业定义并且具有完整的数据使用文档,包括如何在计算或指标中使用数据的正确业务背景。

透明度和清晰的沟通

“数据治理与心态一样多,因为它是关于政策 - 没有买入的政策,即使是最佳的治理政策也将落后于路边,”Dataiku的负责AI的数据科学家Triveni Gandhi说,AI协作平台。

透明度和明确的沟通是任何成功的数据治理策略的核心。政策需要清楚有效地传达给所有部门的员工。如果员工不了解其公司的政策,他们无法有效地制定它们。

促进数据理解

自助分析系统的用户必须知道目标媒体合作伙伴的产品管理负责人Robert Izquierdo表示如何收集和计算数据。

“如果你没有意识到退出和反弹率之间的区别,你将使可以损坏转换的网站变化,”Izquierdo说。

谷歌分析是最大的自助分析平台之一,清楚地传达了它提供的数据点的含义。Google Analytics发布其提供的数据的定义,并通过其支持页面可公开访问,因此用户了解如何分析它们可用的数据。

信任但要验证

自助分析的数据治理应使用数据来监控和标记数据正在使用

“有时这意味着纠正错误的数据使用,但它也意味着在Domo的电子邮件副总裁Ben Schein说,它也意味着找到一个新的洞察力,这些内容将丢失到大多数组织中的大多数组织。”

更接近与数据进行的业务的用户可能能够识别机器或数据科学家可能错过的数据质量问题。聪明地治理的自助服务环境也应该能够在经过认证的数据和见解之间描绘 - 例如,财务部门批准的见解 - 和用户生成的分析。

“您希望您的用户生成新内容并探索数据,但您需要确保用户在查看创新探索或官方指标时,以确保用户了解。”

建立责任和所有权

它必须清楚谁拥有哪一部分数据;谁负责将其保持迄今为止和正确的形状;谁负责提取信息,塑造它并提供它。

“责任和所有权是数据治理中最重要的事情,”Silipo说。

数据可以并将更改,进程将不同,负责方必须采取后续操作以确保数据存储库和提取的BI以最高标准维护。

改变计划

数据不断变化,您的数据治理模型需要是灵活适应

“认为治理很值得像你可以”忘记“的东西 - 你做了一份前期工作来定义一次,并在此后的福利获得了福利,”分析平台的联合创始人兼总裁兼总裁。“不幸的是,这并不逼真。”

数据模型每次业务变更时都会更改,以及自助分析的数据治理策略必须占此占用。

下一步

CPRA合规性为IT OPS创造了复杂性

强大的数据治理框架是分析的燃料

深入了解商业智能最佳实践

搜索数据管理
搜索AWS.
搜索内容管理
搜索甲骨文
搜索树液
搜索SQL.服务器
关闭