数据治理不再被视为合规的工具，而是确保最终用户在需要时以需要的方式访问正确、高质量的数据的驱动力，这是成为数据驱动型组织的关键因素。如果你正在为组织实施数据治理框架，最好采用聚焦于你想要实现的目标的整体方法，不要试图使策略适合您拥有的数据。 

Capital One是一家美国金融服务公司，成立于1994年，总部位于弗吉尼亚州麦克林。Capital One最开始是一家信用卡公司，但现在已经扩展到了银行、贷款、信用积分等多个业务领域，在美国和加拿大拥有超过1,000家分行和办事处。Capital One以通过数据分析、机器学习和人工智能技术提供个性化的金融服务，帮助客户做出更好的金融决策而闻名。Capital One的业务包括个人和商业银行、信用卡、汽车贷款和房屋贷款等方面的业务。他们还专注于数字产品的开发，如移动应用程序和在线银行服务。Capital One是美国最大的信用卡发行商之一，其总市值约为390亿美元。

由于运行的数据达数百PB（数据存储单位），该银行采用了混合模型【银行混合模型是一种在银行赚取收益的同时最大化风险控制和监管合规性的方法。具体来说，银行混合模型是通过将传统的商业银行模型与投资银行模型相结合，以降低风险并提高收益。

在银行混合模型中，传统的商业银行业务主要是吸收存款，发放贷款，并从中获得收益，同时，投资银行业务则包括投资和交易，例如资产管理、交易和投资银行业务等。这种混合模型通过多元化业务降低了单一业务带来的风险。另外，银行混合模型利用资产和收益的管理机制来控制风险，确保银行合规性。

在银行混合模型中，银行可以在业务中自由地选择和组合不同的业务方式，以满足客户需求并增加收益。同时，混合模型可以通过控制风险和监管合规性来支持可持续的发展。

总之，银行混合模型是一种利用多元化的金融工具来优化银行业务的方法，在控制风险和保障合规的同时，提高银行收益和创造更大的价值。】和“倾斜治理”框架【“倾斜治理”框架是目前银行运营管理中的一个重要概念。该框架的核心理念在于优先考虑银行客户的利益，而非单纯的赚取利润。其目的是建立一个可持续发展的业务模式，维护银行的声誉和信誉，增强银行的社会责任感和合规性。

基于该框架，银行应当考虑以下几点：

以客户为中心：银行应将客户的利益放在首位，保障客户的合法权益和权利，提供优质、透明和负责任的服务。

突出内部控制：银行应加强内部控制，建立健全的风险管理机制，防范信贷风险、市场风险和操作风险等各类风险。

加强人才管控：银行应重视人才的引入、培养和留用，建立广泛、包容和开放的人才体系。

加强道德约束：银行应建立言行一致、诚信守信的企业文化和道德风险管理机制，促进员工自觉遵守职业道德规范。

推动科技创新：银行应积极探索数字化转型，利用科技手段提高服务质量和效率，同时确保信息安全和数据隐私保护。

总之，银行“倾斜治理”框架可以帮助银行管理层更好地管理银行业务，取得更长期的发展和更好的经济效益。】以确保其业务线实时获得所需的数据。

图源：GORODENKOFF（戈罗登科夫）/ SHUTTERSTOCK（Shutterstock是一家总部位于美国纽约的在线平台，提供高质量图像、视频、音频和编辑工具等服务。Shutterstock拥有世界上最大的股票图片和视听素材供应商之一，其专业的影像内容涵盖多种行业和主题，可以用于广告、宣传、出版、印刷、电影等多个领域。用户可以通过购买订阅或单张图片的形式获取Shutterstock的内容。）

如今，对数据和分析的日益重视使组织更加关注其数据治理策略（数据治理策略是指企业或组织在应对数据管理、数据处理、数据安全等方面，制定的具体方案和措施。主要目的是确保数据的完整性、准确性、可靠性和安全性，同时最大化数据的利用价值。数据治理策略需要根据组织的需求和状况，包括数据的来源和去向、使用场景、存储容量等因素，制定具体的实施计划和执行规范。通常包括数据管理、数据分类、数据使用和共享、数据归档和备份等方面的规定和指南，以确保组织在处理数据时符合法律和合规要求，并确保数据的质量、完整性和安全性）因为Gartner（Gartner是一家总部位于美国的全球性市场研究和咨询公司，成立于1979年，是全球IT市场研究领域内的领军者。其主要业务包括提供市场研究、行业分析、技术咨询、管理咨询等服务，主要用户为企业、政府和教育机构。Gartner以运用专业的市场研究和咨询服务帮助客户在科技以及相关管理领域做出战略性决策而闻名。公司在世界各地拥有超过15个国家和地区的分部机构，拥有约15,000名员工。Gartner的研究报告和分析数据被广泛引用，对企业、政府和投资方的决策产生重要影响。）最近的调查发现， 63%的数据和分析领导者表示，他们的组织正在增加对数据治理的投资。

原因何在？数据治理不再被视为合规的工具，而是确保最终用户在需要时以需要的方式访问正确、高质量的数据的驱动力，这是成为数据驱动型组织的关键因素。（数据驱动型组织是指以数据为中心，将数据科学和商业目标相结合，以数据为依据进行决策的组织。这种组织类型主张通过采集、存储和分析大量的数据，并据此制定行动计划。数据驱动型组织注重数据的有效管理，包括数据质量的保证、数据的规范化管理、数据来源的透明度等。数据驱动型组织能够独立地收集、组织和分析数据，并将数据应用于业务决策中。这种组织类型能够识别自身的优缺点，指导各级领导在业务决策过程中使用数据来确定业务策略，降低决策风险，增强组织运作的透明度和效率。数据驱动型组织的目标是在数据交流中获得信心和透明度，从而能够迅速适应环境变化，提高客户满意度并创造竞争优势）

“从长远来看，你的成本会更低，你的速度也会快得多，”Capital One软件工程高级总监Naga Gurram（纳加·古拉姆）说。

但这一切都取决于针对数字时代调整的数据治理策略。毕竟，只有当缓慢、复杂的数据治理流程使工作变得困难时，你才会考虑让实时数据帮助你走得更远。【实时数据指的是可能随时变化的数据，这些数据的更新频率通常很高。实时数据可以来自各种来源，如传感器、设备、服务和事件。相比之下，传统数据通常是以一定时间间隔（如每天或每周）才进行更新并发布的数据。实时数据的应用场景十分广泛，例如，智能城市和物流管理系统可以通过实时传感器数据来优化交通路线和运输跟踪，金融机构可以通过实时市场数据来进行投资决策等。】

“如何使我的业务用户能够实时、大规模地访问所需的数据？如果您错过了在正确的时间提供正确（数据）产品的机会，我们就没有做好我们的工作，我们正在失去更好地为客户服务的机会，“Gurram（古拉姆）说。

一、实现数据治理的混合

数据治理是一个系统方法，用于定义组织内谁有权控制，以及如何使用这些数据资产。它包含管理和保护数据资产所需的人员、流程和技术。大多数公司已经拥有某种形式的数据治理，适用于单个应用程序、业务部门职能。不过，不断发展的数据治理实践是关于建立对企业级流程和职责的系统化、正式的控制。

Gurram（古拉姆）说：“甚至很难意识到它会对你有多大帮助，”他补充说，Capital One 已经从以前的集中式模型发展了数据治理实践，以更好地应对快速变化的数据环境。

“在我们的传统世界中，我们拥有一组有限的基础设施、一组有限的数据和一组有限的用户，”Gurram（古拉姆）说。“我们过去常常集中管理数据治理。”

在该系统下，业务部门将找到公司（中央）团队来满足其所有数据治理需求。该团队将确保所有数据都通过治理策略运行，并且业务部门满足所有这些策略。

“但是数据已经爆炸式增长，”Gurram（古拉姆）说。“我们过去常常谈论TB的数据，现在我们谈论的是数百PB的数据。数据来自四面八方。”

为了应对这种爆炸式增长，Capital One 建立了混合数据治理【混合数据治理是指在企业中统一管理和整合来自不同类型、来源和位置的数据，以支持数据驱动的业务决策和企业管理。在现代企业中，数据被广泛应用于各种业务场景中，例如销售管理、客户关系管理、营销分析、供应链管理等。但是，这些数据通常存储在不同的系统、平台和运营商中，可能是结构化数据、半结构化数据或非结构化数据，因此需要进行混合数据治理来整合和管理这些数据。混合数据治理的任务包括数据集成、数据质量管理、数据安全管理和数据分析和挖掘。这需要使用一些数据治理工具和技术，例如ETL（抽取、转换、加载），数据清洗和数据建模。此外，混合数据治理还需要制定一套数据治理策略和规则，以确保不同类型、来源和位置的数据都遵循同样的标准和规范，从而使其更适合企业的业务需求。】实践，在其业务线中嵌入了中央企业数据治理团队（中央企业数据治理团队是为了实现中央企业数据资产的管理、开发、维护和使用而设立的专门团队）和联合数据治理团队（联合数据治理团队是由多个部门或企业共同组成的团队，其主要任务是管理和整合来自不同部门或企业的数据，在数据有机转化、交换、共享和使用的过程中，保障数据的质量、安全和合规性）企业中央团队专注于构建业务线使用的数据治理平台和自助服务工具。它还负责维护公司的数据治理愿景，并倡导一种文化转变，在这种转变中，数据不再被视为数据，而是被视为（数据）产品。

“我们所有的政策、我们所有的平台、我们所有的工具都由一个中央团队管理并由一个中央团队构建，但数据治理的执行来自联合团队，”Gurram（古拉姆）说。“我们为业务合作伙伴、业务线提供正确的工具和平台，确保他们正在获取数据，他们使用自助服务工具根据这些政策发布（或披露）数据。”

二、数字时代的“倾斜治理”

有了合适的工具和平台，Capital One的联合数据治理团队可以专注于提供针对特定业务线的用例和数据量身定制的服务和策略。

但该战略的定制方法并不止于此，因为Capital One采取了所谓的“倾斜治理”方法，根据数据对访问和安全性进行不同级别的治理和控制，Gurram（古拉姆）说。

“你应该为你的合作伙伴团队提供灵活性，以便他们可以代表业务线应用他们需要的政策，”他说。 “你不应该为每个人制定一套规则（并不是说一套规则适用于每一个数据集）。”

尝试对组织的数据强制实施单一策略是导致数据治理“开销”的原因之一。

数据治理通常被视为成本中心（成本中心是指一个企业内部的某个部门、项目组或活动，其主要作用是为企业管理者提供详细的成本信息，以便于控制成本和做出经济决策。成本中心通常以功能单元为单位，例如人力资源部门、市场营销部门、研发部门等。在企业管理中，通过对各个成本中心的成本和效益进行分析，可以评估各个业务部门的经济效益，并做出有针对性的管理措施）——因此也被视为开销。但Gurram（古拉姆）强调，如果计划和实施得当，收益将远远超过成本。

“对于任何经历这段旅程的人来说，我的建议是不要把它看作是开销，”他说。“不要把它看成是‘百衲衣’（注：打补丁的衣服）。不要把它看成一个项目。从整体上看，当你把它推销给你的企业时，要关注结果。”

数据治理的好处包括提高对数据法规的遵从性，而且还包括：

1、更好、更全面的决策支持，源自整个组织的一致、统一的数据

2、用于变更流程和数据的明确规则，帮助业务和IT变得更加敏捷和可扩展

3、通过提供中央控制机制降低数据管理其他领域的成本（中央控制机制是指一个中央机构或组织通过对系统、流程或项目实施严格的控制和管理，以确保其达成预设的目标。这种控制可以表现为一个层次化、规范化、标准化和可量化的过程，在其中过程的每一个步骤，都有严格的要求和标准，确保数据的使用和流转的合规性、准确性和安全性。）

4、通过复用流程和数据的能力提高效率

如果你正在为组织实施数据治理框架，Gurram（古拉姆）说，最好的起点是采用一种聚焦于你想要实现的目标的整体方法。不要试图使策略适合您拥有的数据，这将形成拼凑的碎片化数据。

他说：“不要引入大量数据，然后试图弄清楚并编写一些规则。构建愿景并根据这些策略发布数据。那比做这件‘百衲衣’容易多了。”

Gurram（古拉姆）建议问问自己：我们是否拥有合适的数据平台来实施最佳数据治理？我们是否有合适的工具来让我们的用户更轻松？我们是否有合适的人才来无缝构建它？每个人都了解自己的角色和责任吗？

“如果你考虑这些问题，然后提出策略，它很容易实施，”Gurram（古拉姆）说。“你将朝着最终目标前进。如果你不关注结果，将很难实施。

本文作者：Thor Olavsrud（托尔·奥拉夫斯鲁德）

Thor Olavsrud（托尔·奥拉夫斯鲁德）负责CIO.com的数据分析、商业智能和数据科学。