关键讯息，D1时间送达！
随着2024年数据管理成果的回顾与2025年业务计划的展望，现代数据治理再次被确立为成功数据战略的核心。本文总结了数据治理领域的四大关键趋势：元数据成熟度的重要性提升、AI在数据治理中的作用增强及AI治理的兴起、数据治理动机超越法规要求、数据治理与数据质量的融合。同时，文章提出了2025年数据治理成功的实用策略，包括人员、流程和技术相协调，从小处着手迭代发展，以及构建数据文化。这些策略将帮助企业应对数据管理的复杂性，为未来的转型做好准备。
当我们回顾客户在2024年取得的数据管理成果，以及他们为2025年业务计划所设定的目标时，有一点非常明确：现代数据治理仍是成功数据战略的核心。
过去一年发生了显著变化，从元数据成熟度日益重要，到数据治理和数据质量实践的日益融合。为了让你的企业蓬勃发展，你需要准备好迎接这些进步，并在必要时调整你的策略。
数据治理教练尼古拉·阿斯克姆(Nicola Askham)最近与Precisely的全球服务高级副总裁大卫·伍兹(David Woods)和产品管理副总裁肯·伯特勒(Ken Beutler)一起，分享了他们对来年及以后数据治理最重要趋势的看法。
观看他们的完整对话以获取所有见解，并继续阅读以下部分重点内容的回顾。
回顾过去一年，小组成员强调了数据治理和数据质量领域的几个重要变化。
元数据管理成熟度的重要性日益增加，特别是随着数据网格(采用去中心化方法)和数据结构(采用统一方法)等新型数据管理架构的出现。这些架构的出现都是为了加速向用户提供可信赖的数据，以便其可用于明智决策的行动和访问。
伍兹强调，许多企业一开始都会问哪种架构最适合他们，但他们真正需要首先关注的是元数据成熟度的关键作用：“我告诉大家的是，从根本上讲，我们要专注于丰富的元数据，然后围绕数据治理构建基础能力，再将其民主化推广至整个企业。”小组成员一致认为，元数据成熟度对于可扩展性和推动业务成果至关重要。
AI已成为现代数据治理的强大助力，可自动化数据编目等重复性任务，但伍兹指出，AI并非要取代人，而是一种增强工具。
“真正的数据治理归根结底在于上下文，”他解释道，强调虽然AI提高了运营效率，但人仍然是提供业务价值的核心。
伯特勒进一步阐述道：“大型语言模型的优劣取决于其训练所用的数据，而仍有大量知识和信息保留在管理数据的人员以及数据治理和质量企业中的部分人员身上，”他说，“当我们找到释放这些知识的方法时，AI将成为更大的加速器。”
数据与AI成果之间的紧密联系也导致了向更多AI治理的转变。阿斯克姆指出，随着企业考虑AI的伦理问题和风险(如无意中的偏见)，她相信“我们将有更多数据治理团队承担起AI治理的角色。”这一转变将需要新技能和与AI专家的合作。
历史上，许多企业实施数据治理主要是为了满足法规要求，然而，阿斯克姆观察到了一个令人振奋的转变，她注意到过去一年中更多涉足数据治理的企业并不属于受监管行业。
“他们进行数据治理是因为他们理解这将带来的业务价值，这真的很令人振奋，”她说，这一转变凸显了数据治理作为战略助力的日益认可。
数据治理和数据质量之间的界限正在模糊。伍兹指出，到目前为止，治理和质量之间的区别以及何时处理每个方面，常常让企业感到困惑，我们可能会看到综合方法的增加。“随着时间的推移，数据治理和数据质量的结合越来越紧密……我认为这是一件好事。”他说。
对此，阿斯克姆表示：“数据治理和数据质量应该由同一个团队来完成，”她强调，业务用户通常优先考虑高质量数据，但往往不太可能与治理团队合作，因为他们认为治理的影响较小。她说，实际情况是，“从业务用户的角度来看，它们应该是无缝的。所以，我们能让它们越紧密地结合，就越好。”
我们的专家还分享了你在2025年及以后的数据治理之旅中可以部署的实用策略见解。
成功的数据治理需要整体方法。伯特勒表示，在考虑你的策略时，“不要为了数据治理而做数据治理。这背后需要有一个原因——知道你想要什么，或者你实际购买解决方案是为了什么。”你需要深入了解这些能力将为你的业务提供什么好处，而在衡量解决方案的采用情况时，伯特勒补充道，“这不仅仅是有多少人在使用软件本身，而是真正试图了解所有人员、流程和技术如何共同努力以实现某种业务成果。”
伍兹对此表示赞同，他强调了数据治理和质量计划路线图的重要性：“路线图应包括技术、人员和流程。”工具很重要，但它们需要补充你的策略。
伯特勒和阿斯克姆都强调，越来越多的企业意识到从小规模开始数据治理计划的价值。无论你的企业规模大小，或你目前处于数据治理旅程的哪个阶段，采取更注重快速见效的务实方法都会大有裨益。
