BI数据治理很重要私营企业该如何下手？

TechTarget · 公众号 · 科技媒体 · 2017-07-28 08:00

正文

TechTarget 原创

关于商业智能数据的治理，私营企业可以从公共部门的数据管理实践中吸取宝贵的经验教训。商业智能在企业中发挥越来越重要的作用，因为它提高了传统流程的准确性，并提供了改变战略的洞察力。进入BI流程的系统比传统系统更复杂，这可能使数据管理变得更加困难。因此，BI数据治理比以往更加重要。

BI涉及的数据通常是从历史悠久、范围广泛、数据仓库或类似结构优化的大型数据体中筛选出来的。为了使数据有用，必须使用与常规数据相同的方式进行管理。因此，以下BI数据治理内容是很重要的：

· BI数据往往是多源的，可能会有更多的依赖关系，情况可能会更加复杂。

· 在任何聚合数据结构中，不干净和不完整的数据总是令人关注的。复杂的依赖关系使得BI源中数据的清理和实现变得更加重要。当源数据质量参差不齐时，在BI进程中发现的下行趋势模式就不那么可靠了，而且数据质量的差距会导致良好的关联不可用。

· 一个强大的、多源的BI过程可能包含非常规来源的非结构化数据。例如，社交媒体数据在营销和销售情报方面扮演着越来越重要的角色。在使用BI的过程中提供这些数据，会带来新的挑战。

· 一旦清理了脏数据，并弄清楚了如何处理非结构化的数据，那么数据集成的挑战就随之而来了。集成需要将生成的数据放到一个表单中，多个业务流程可以轻松且毫无疑问地加以利用。

（图片来源于网络）

以上环节中任何一个环节的失败，甚至是不完美的执行，都可能导致BI数据环境不稳定的或不正确的结果。通常，这些弱点将会在许多支持的BI进程中被揭示出来。由于BI过程的产品是基于概率的趋势、预测或结果，在流程的任何一个阶段的糟糕数据不仅会带来错误的结果，还会加重这些错误。

公共部门的经验教训

BI数据治理是必要的，一般需要超越其责任范围。幸运的是，有一个很好的模型可以遵循——公共部门的开放数据计划。

在美国包括波士顿在内的三个城市已经开始通过云部署向当地居民提供公开的数据集。这些举措非常成功，允许公民和公司从各种用途下载大型数据集。对于这些大型数据，严格的数据治理要求适用于私营企业的BI实践。

公开的数据必须被集成起来，为最大量的用户提供最优的实用程序，这是一个有用的原则，对于开放数据来说也是必不可少的。这个过程需要减少数据的列，这些数据与其他列相结合，可能会违反隐私或安全标准。同样需要的是跨门户的元数据标准化和自顶向下的构造，以在用户可能发现其优势的数据集之间创建关联。这可能需要额外的工作，但这是私人部门应该效仿的做法。