Skip to main content

即使沒有進行『資料治理』我們也可以從數據中獲得洞見,那要是額外做了治理,差別會是什麼?

這要從資料對企業的意義來談起,資料是公司的資產,一種特別的資產,如同動產與不動產一樣,資產也需要被管理,才能讓價值最大化,隨著人工智慧 (AI)的進步,各種技術不斷冒出,現今只要你 input 資料,最快在幾秒鐘內就可以得到 output,

資料治理將會是在這一波浪潮中,必不可缺席的角色,

而那些願意投資在資料治理的企業,將會從數據中獲得更多價值,甚至建構更高的護城河。

資料治理框架

所以,資料治理的目的,就是透過政策與最佳實踐來確保資料有被妥善管理。

資料管理 (Data Management )著重在如何從資料提取價值,而資料治理 (Data Governance) 則側重於,如何對資料做出決策,以及人員和流程應如何與資料互動。具體的資料架構和重點取決於組織的需求,但大多數包括以下內容:

  • 策略:定義、傳達並推動資料策略和資料治理策略的執行
  • 政策:設定並執行與資料和元資料生命週期管理(建立、存取、使用、安全性、品質、文件和刪除)相關的政策
  • 標準:設定並執行資料管理標準
  • 監管:在資料管理的關鍵領域(如品質、隱私、安全性、資料管理政策和程序)中提供實地觀察、審核和糾正
  • 合規:確保組織能滿足與資料相關的監管合規要求
  • 問題管理:識別、定義、上報並解決與資料安全、資料存取、資料質量、監管合規、資料所有權、政策、標準、術語或資料治理程序相關的問題
  • 資料管理專案:為資料管理最佳實踐提供支持
  • 資料資產評估:設定標準和流程,以持續定義資料資產的業務價值

可以看到,資料治理的範圍涵蓋之廣,且有趣的是,以上這些資料治理作為,都能夠維度化以及量化。

資料治理的目標

資料治理與資料管理是一門獨特的學問,在日常中較少聽到,但如果我們仔細思考,會發現其實有一些作為就是資料治理的範疇。

例如,我有一個電子商務網站,使用數位行銷工具進行追蹤,也投放數位廣告,

要把產品、顧客與電子商務之間的關係,這三者整合在一起,搭配商業智慧 (BI) 與 人工智慧 (AI) 的應用,是一個巨大挑戰,為了讓組織各個階層能夠凝聚起來,有意識的往希望的成果前進,就可以考慮從『資料管理專案』、『資料資產評估』以及『政策』開始進行規劃,並做出一個 POC (Proof of concept)。

從這三個面向著手,就有機會把資料品質、資料串接與資料視覺化,等最佳實踐逐步地推進並做全盤的規劃,透過提升顧客體驗與人員效率,為企業組織帶來利益,讓資料專案可以獲得成果,被持續關注,並獲得資源。

對於大多數組織來說,採用正式的資料治理需要組織變革管理的支持,以及來自高層管理人員的支持,如營運長、行銷長、技術長、風險長與財務長。

為什麼資料治理如此重要?

其實並不是有了 AI 才需要做資料治理,更甚的說,並不是有了電腦科學,才需要做資料管理,切換到一個更有意思的角度,古代的人也有銷售行為,也會需要看報表,知道正確的收支,並且從數據提煉出洞見,作出反應。

我自己則是在數年前,就開始在組織內提倡資料治理議題,像是進行元資料搜尋與視覺化導覽,再搭配資料品質監測工具,並將資料按照等級做區分,針對 Critical Data 進行資料品質檢測。

因此 AI 工具一出現,企業就可以利用元資料 (Metadata) 做出資料產品與資料應用。

哪些領域的企業需要立即作出行動?

呼應一開始所說的,在現今,資料應用的門檻降低了,有一些組織勢必需要對資料治理開始進行規劃,因為競爭的態勢已經改變,這種變化在以下三種領域非常明顯。

  • 金融服務
  • 電子商務
  • 政府和零售

組織必須越來越努力『Data Driven』,主動將資料需求訂出策略、規劃與技術實現的方法。

現今,我們只需要準備好資料,就可以立即利用現成的資料技術,你仍然會需要專業人員協助走完最後一哩路,將新的技術落地到組織內,但你不需要擁有一個完整的資料團隊與伺服器機房,才能夠做到商業智慧或者人工智慧。

開始做資料治理,獲得高層的支持,降低企業的風險,是我們現在就可以著手去做的事。

Damon Liao

嗨,我是大門,我是大朵數位創辦人,我同時擁有網路行銷以及資訊背景,在 2014 年我開始使用 Google Analytics 與 Ads 並且獲得認證證書,在 2015 年我開始使用 Google Tag Manager,在 2017 年我開始使用 BigQuery,每年經手超過千萬預算,規劃商業智慧與行銷自動化應用。