1.摘要

数据管理解决方案变得非常昂贵，无法应对持久数据复杂性的现实。企业在使用数据方面变得更加复杂，这推动了需要不同方式来处理这些数据的新需求。有远见的组织认为，解决数据问题的唯一方法是实施有效的数据治理。以前由IT驱动的管理数据方面的尝试都失败了。直到最近，数据治理大多是非正式的，具有非常模糊和通用的法规，围绕特定的企业存储库处于孤岛中，缺乏结构和组织的更广泛支持。尽管其重要性得到高度认可，但数据治理领域仍处于开发和研究阶段。目前，存在的大多是数据治理领域的描述性文献综述。在本文中，系统文献综述提供了一种结构化、有条理和严谨的方法来理解数据治理研究的最新技术。该研究的目的是为即将到来的数据治理研究人员提供可靠的知识指南，以帮助他们确定数据治理研究中可以产生最大影响的领域。

2.介绍

我们习惯于IT治理和公司治理的概念。“治理”一词通常是指组织确保制定、监控和实现战略的方式。由于IT已成为每个组织的支柱，根据定义，IT治理成为任何业务战略的组成部分，并属于公司治理。从历史上看，数据来自不同的遗留事务系统。然后，数据被视为运行业务的副产品，除了交易和处理它的应用程序之外几乎没有价值；因此，数据没有被视为有价值的共享资产。这种情况一直持续到1990年代初，当时数据的价值开始呈现交易之外的另一种趋势。业务决策和流程开始越来越多地受到数据和数据分析的驱动。对数据管理的进一步投资是处理不断增加的数据量、速度和种类的方法，例如复杂的数据存储库、数据仓库。数据链接变得非常复杂并在多个系统之间共享，提供单一参考点以简化日常功能的需求变得至关重要，这催生了主数据管理。

数据复杂性和数量持续爆炸式增长，企业在使用数据方面变得更加复杂，这推动了新的需求，需要以不同的方式来组合、操作、存储和呈现信息。研究人员在定义数据治理方面存在差异，数据治理研究所将其定义如下：“数据治理是信息相关流程的决策权和问责制系统，根据商定的模型执行，该模型描述了谁可以采取什么行动、什么信息、什么时候、什么情况下使用什么方法”。

文章作者的总体观察表明，数据治理领域正在研究中，并且没有被组织广泛实践，旨在为读者提供关于数据治理的全面回顾。

3.方法论

正如Kitchenham和Charter所述，这项研究是作为系统文献综述(SLR)进行的。SLR是一种识别、评估和解释与特定研究问题、主题或感兴趣的现象相关的所有可用研究的方法。开展SLR的主要原因是通过识别数据治理的最新技术来总结现有的数据治理信息，并真实反映当前的数据治理研究和实践，并通过根据当前文献确定研究人员可能的方向。

4.数据治理的最新技术

数据治理已成为企业信息管理的新兴趋势。在文献中，有限数量的研究已经讨论了数据治理的重要领域。数据治理研究的根源可以追溯到1980年代初期。Niemi还观察到，在他发表论文时，来自研究人员和从业者的所有现有数据治理来源都侧重于为数据质量管理(DQM)和组织结构设置决策权。云安全联盟报告说，那些认为自己拥有数据治理计划的组织，事实上，他们并没有考虑到这些计划完整和有效所需的所有方面。其他研究人员建议将IT治理中的知识构建转移到数据治理程序的开发中。认为组织应该建立一个数据治理结构，让IT部门对数据负责。企业数据管理数据治理计划认为数据治理模型有助于组织构建和记录其数据质量的责任。其他作者也将数据治理与问责制相关联，例如；组织必须设计角色职责的数据治理模型，以识别在组织中具有定义、生成和使用数据的责任级别的人员。数据治理需要所有IT员工、管理层和高级管理人员的参与和承诺。

傅等人认为，有效的数据治理框架可以帮助组织创建明确的使命、实现清晰、增强使用组织数据的信心、建立责任、保持范围和重点，并定义可衡量的成功标准。Rifaie等人建议实施企业数据仓库，以实现有效的数据治理框架，该框架应基于结构、流程和通信。

尽管研究人员一再呼吁需要数据治理框架，但研究显示其中只有少数几个，主要由DAMA、DGI和IBMIBM等行业协会开发。2011年，云安全联盟提出了一个数据治理框架，由目标和结构组成。目标分为正式的IT、业务和功能目标，而结构则分为控制焦点、组织形式、角色和委员会。根据DGI的说法，数据治理框架的开发是一项复杂的任务，可以由各种相关项目组成，包括程序、阶段、决策域、通用对象和组件。DGI将他们的框架活动分为三个部分，即规则和角色、人员和组织。此外，IBM的数据治理方法是从供应商数据治理软件提供商的角度构建的，因此，建立数据治理将需要软件支持。该模型表明，组织需要确保业务和IT问题必须明确定义，并具有完整的执行力。

2010年，Begg和Caira更侧重于定义有效数据治理的关键成功因素，他将其分为组织和技术成功因素。组织因素包括角色和职责的明确定义、业务和IT参与、执行赞助和集成能力中心。技术因素包括数据集成生命周期的自动化，以实现数据治理的目标。还确定了一些关键的数据治理成功因素，包括战略问责制、标准、管理盲点、拥抱数据的复杂性、跨部门问题、数据质量指标、与其他公司的合作、战略控制点、数据利益相关者的培训和意识和合规性监控。因此，成功的数据治理需要将来自不同部门的不同专业知识汇集到任何一个组织中，以实现流程的一致性、透明度和可重复性，从而实现最佳的数据相关决策并建立问责制、保持范围和重点、定义可衡量的成功。

数据治理系统的文献综述相关推荐

基于Android课堂学习系统的文献综述
基于Android课堂学习系统的文献综述摘要互联网技术和移动通信技术的高速发展给学习.生活和工作带来巨大的影响.Android智能终端作为信息的载体,凭借其简易的操作性.便携性.良好的交互体验, ...
数据治理系统解决方案浅析
1. 写在前面为了应对数据复杂的现实,数据管理解决方案变得越来越昂贵.企业在使用统筹数据方面变得更加复杂,推动了需要不同方式来处理这些数据的新需求.有远见的组织认为,解决数据问题的唯一方法是实施有效 ...
数据治理的研究现状及未来展望
数据作为人工智能和大数据的核心要素,将对人类社会发展带来深刻影响.随着数据容量的快速积累.数据质量和运算能力的不断提高,如何使用和管理数据成为第四次工业革命带给人类社会的一个重要命题. 数据治理有两种 ...
协同过滤算法评测python_元学习和推荐系统：协同过滤算法选择问题的文献综述和实证研究...
导读本文对推荐系统和元学习做了文献综述,并讨论了推荐系统的算法选择问题,对所总结的元学习方法进行实验研究,以确定自动选择推荐算法的最有效的方式.编译 | Xiaowen摘要信息过载的问题促使推荐系统 ...
智能制造调度：文献综述
摘要在调度框架内,基于虚拟化和智能算法的数字孪生(DT)技术的潜力可以模拟和优化制造,实现与流程的交互,并在发生破坏性事件时及时同步修改它们的行动过程.这是一项有价值的自动化计划功能,并赋予其自治性 ...
数据治理展示血缘关系的工具_Nebula Graph 在微众银行数据治理业务的实践
本文为微众银行大数据平台:周可在 nMeetup 深圳场的演讲这里文字稿,演讲视频参见:B站自我介绍下,我是微众银行大数据平台的工程师:周可,今天给大家分享一下 Nebula Graph 在微众银行 ...
如何建立完整的数据治理体系
在大数据智能化时代,管理已不再是一种传统的方式,一套完善的数据管理系统是企业长期生存的必然选择,我们的生活离不开大数据,企业数据管理不仅可以提高员工的效率,提高员工的积极性,管理成本也大大降低,而且还 ...
元数据管理——企业数据治理的基石
数字化时代,不少企业开始数字化转型,开始收集整理数据,但在使用途中,通常会发生数据泄露,安全没办法得到保障:数字管理混乱,查找困难,无效失效数据偏多:数据流程复杂,流程不畅,无法有效赋能业务. 这些 ...
谈谈大数据时代企业如何进行数据治理体系建设
随着云计算.物联网.移动互联网等新一代信息技术的快速发展,人类产生的数据量呈指数级增长.据资料显示,2012年,全球数据量达到2.8ZB,预计到2020年,全球数据量将达到40ZB.大数据蕴含着巨大的 ...

数据治理系统的文献综述

1.摘要

2.介绍

3.方法论

4.数据治理的最新技术

数据治理系统的文献综述相关推荐

最新文章

热门文章