用苹果和桔子做对比通常用来描述将两个不能相提并论的事物拿来做比较的难度。但当你正在考虑一款数据治理工具的时候情况则会更加复杂。

企业将目光投向数据治理软件来协助确保数据交付业务的价值。尽管如此，当你通过不同的产品分类查看不同工具和供应商所提供的功能特性时，选择一款工具可能会变得比较困难。在某些情况下，一些供应商可能会在他们的产品中提供相同的功能，只不过是通过截然不同的方法。

因此，你必须非常清楚地知道你想要的数据治理工具的用途以及包含的功能。此外，工具的选择不仅仅取决于功能和特性，而且还在于你将如何用这些工具来增加业务价值。例如，如果你对术语表有需求，那么就要确保它可以在使用相关功能活动数据治理工具之前就真正付诸使用。无论一款产品多么有卖点，如果你不能在短时间内有效展现其价值，那么要让你的治理活动持续获得资金和高管支持就会比较困难。

对数据治理工具的特性划分优先级

那么，哪些特性对于企业选择数据治理工具才是最重要的？

信息和数据构件。所有数据治理项目都必须对关键构件进行管理，比如数据元素，数据模型和术语表，这些对于支持数据一致性非常重要。这通常是治理项目首先要解决的功能领域。即使它不是首当其冲的，但它也是一个强制功能。

当你正在研究治理工具的时候，要寻找能够识别和追踪为数据元素共同创建，读取，更新和删除活动的软件。同样，要寻找一款拥有数据发现功能可以让你扫描并识别数据元素，增强数据和元数据价值的工具。另外一个有用的特性是通过层次结构和分类来管理数据之间的关系。最后，寻找一款可以让你对基于其用途或相关性进行分类的数据治理工具。例如，它是否有规范，生命周期是否有限制，是否作为一项参考或一个事实使用。

数据管理元素。请记住，数据治理是对数据管理的监管，这意味着你需要对数据管理活动和标准进行跟踪。这是功能的第二个领域，它在企业的优先级列表中通常处于较高位置。要按如下内容来寻找治理工具：

• 提供数据质量管理，包括质量规则，性能分析和报告。
• 提供数据域和主数据生命周期，参考数据。
• 执行数据迁移，数据沿袭视图和定位。
• 处理流程发现和报告。
• 捕获对元数据对象，业务术语表和沿袭模型的变更历史。
• 支持级联变更，这可以允许你在一个上游源头移除数据元素并将其从下游源头自动移除。
• 维护一种沿袭信息的向上挖掘和向下挖掘显示。
• 打印并交换数据沿袭的可视呈现。

其他构件。这些是文档和其他基于文本的材料，包括手册，许可，产品说明，数字媒体和电子邮件，这些都是永久存储以供后续使用和修订的。虽然大部分治理项目处理的是存储于数据库表内行列中的结构化数据，但很多文档同样需要监管。这些功能在数据治理项目早期很少得到处理，但几乎所有开发了具有操作性项目的企业都会需要处理非结构化数据和文档管理。

寻找那些能够为文档分类和文档生命周期管理提供元数据支持的产品。同样，寻找一款可以提供创建，读取，更新和删除以及消除冗余、过时和琐碎数据的工具。

治理操作。再次说明，这并不通常是出自一款工具的首要功能，但它很快成为一项明确需求，而且将会意味着寻找一款能够完成以下某些或是所有内容的工具：

• 分配并管理治理角色和职责（例如，谁是数据管家）。
• 在治理项目中建立多种结构，例如工作群组，委员会和论坛，并跟踪它们成员的活动。
• 对服务水平协议，问题和活动状态进行定义和监控。
• 允许对审批（例如，政策和标准），升级和审计进行变更。

工作流管理。如前所述，协作对于数据的成功操作来说是一项核心且必要的主题。例如，在不适用工作流和刻意协作的情况下通过很多审查和审批周期获得一项政策可能会比较繁冗。工作流可以用来加速并操作主数据管理流程，负责数据质量和管理以及升级数据治理问题。它对于构件和维持数据治理项目同样有效。例如，当治理委员会成员需要一起工作来审批新的文档和流程的时候。工作流同样有助于交叉团队的协作和决策的有效制定。

这些工具类型通常会完成以下内容：

• 为利益相关者之间的协作定义并管理工作流。
• 为用户管理权限级别以变更术语表定义，标准，政策或其他数据治理组件。
• 支持对定制数据属性，政策注解，业务定义和解释的单独审批流程和工作流。
• 跟踪工作流程以作为数据治理活动的一部分。

业务融合。与其说是一种技术项目，数据治理更多的是一种业务活动，因此你需要与业务保持一致，特别是如果高级管理层无法看到有效治理前期价值的情况下。虽然业务融合是一项关键成功因素，但它通常是企业在数据治理工具中寻求的首要功能。实际上，在大多数情况下有电子表格就足够了。

以下列出的一些融合特性可能会与数据管理功能看起来比较类似，而且它们通常会在相同的工具中同时出现，但它们更多的是将数据治理流程与业务的其他方面进行连接。这样的特性包括：

• 制定策略计划和业务流程的文档层级。
• 监控业务策略和计划。
• 计算数据的业务价值或对实现业务目标做出贡献。
• 用附带积分卡跟踪进展和有效性指标。

将纳入考量的工具列表范围缩小

当你已经定义了所需功能之后，你就能够决定采用哪种数据治理工具。要满足你所有的需求，你可能就必须从不同类别购买工具组合：传统数据管理工具，数据质量软件和治理项目以及策略管理平台。

还有一些其他的选择标准应该纳入考量，这有助于对数据治理产品进行区分。

首先，它们是如何提供的？你所在的企业是偏向于在本地还是在云端部署工具？你需要移动功能么？同样，对于你所在企业中的现有软件，什么种类的连接器是你所需要的？很多供应商提供连接器，但他们在风格和完整性上却大相径庭。

你是否正在寻求对大数据环境进行治理？某些治理工具可以与大数据很好地进行协作，而其他的则不可以。而且产品会提供什么样的报告和仪表板特性？工具对于在它们自身存储库内容报告上的功能可能会是惊人的匮乏。

获得初步定价，很多工具为核心工具集提供选项。你可能会得到你想要的功能，但随之而来的可能会是一个比较昂贵的价格。同样，对供应商的培训和支持材料进行检查。很多供应商已经适应了比较老旧的工具用于数据治理，但他们并不对培训材料或支持数据治理的能力进行更新。