在购买数据治理软件的过程中涉及很多步骤。很明显，为购买而获得批准和资金然后对产品进行评估是主要的步骤，但证明对软件的需求则是首要的步骤。你需要理解要买这些技术来做些什么，因为数据治理工具领域内有着广泛的功能，这是该流程的一部分。同样，确保你所在企业为治理工具做好了准备也是势在必行的。如若不然，你所购买的软件就会被束之高阁。

让我们先来看一下这些工具经常使用的一些不同场景。如果你所在的企业能够认同以下任何的用例，那么获取数据治理软件便是水到渠成了。

你所在的企业属于高度监管的行业。由于监管的加码，近些年大多数数据治理项目已经启动，这就为建立正式而可审计的内部数据监督创造了需求。处于这样位置的企业应该寻求更好的管理控制数据并对其数据和准确度进行追踪以避免合规问题并减少合规工作的成本。因此，需要对治理策略进行定义并建立项目。监管驱动者同样需要实现工作流流程和控制。

此外，需要对数据沿袭文档化，而且通常来说，企业需要开发受监管的关键数据元素的术语表，这样就能知道去哪里查找文档来帮助降低合规数据发现费用。作为一个整体来说，这些不同的需求涉及数据治理软件的所有三个类别：项目和策略管理工具，数据质量工具，还有支持传统数据管理功能的工具。如果你的数据治理项目是由合规需求驱动的，那么你就能确认你所在的企业与治理工具会很好的契合。

你所在的企业需要创建一个主数据“黄金副本”。在各种场景中，一家企业必须将其所有数据在一个关键主题领域或主题上加以巩固以实现业务目标，或简单地维持其市场地位。让业务数据变得一致并大幅改善很多嵌入业务操作中的坏数据习惯的需求甚嚣尘上，与之相结合的是一些举措，这些举措包括下一代企业资源计划工作，简化研究和产品开发周期，以及与客户更深层次的营销互动。

例如，企业可以使用公共定义的数据元素来增强开发工作流并减少新产品的营销时间。客户数据质量的改善将有希望增加客户驻留并最终增加市场份额。清理业务功能间的语义差异会触发对公共数据定义和描述，标准，沿袭以及参考数据的需求。这些工作将企业指向数据质量和传统数据管理工具来支持数据治理，参考和主数据管理。

你所在企业使用高级分析和大数据技术。IT交叉的每个角落在某种程度上与分析和数据治理似乎并没有什么区别。该场景可以很容易应用于数据治理软件，虽然当代高级分析软件有其固有好处，但大多数企业发现他们对公共数据含义，数据访问标准，适当的隐私保护甚至对各种含有分析信息的数据存储合理的导航方式并没有一个强有力的理解。数据治理在开发分析项目的这些方面非常重要，特别是在传统数据管理范畴中基本的治理功能，例如，数据定义，沿袭和隐私。

对于数据治理软件，你准备好了么？

即使你能认同以上用例，你还必须确保你所在的企业已经做好了使用数据治理工具的准备，因为在决策过程和数据治理项目成功中，准备工作是一个巨大的因素。通常来说，工具的获得先于需求，或者企业对于购买的软件并没有做好成功部署的准备。

你需要评估的内容有：为什么需要工具？计划购买的业务驱动因素是什么？除了部署，你是否准备好了培训，终端用户支持和对工具使用情况的监控？虽然很多数据治理项目的组件会随时间的推移发展，但是在工具采购之前做一些必要的准备工作则是明智之举。

购买数据治理工具准备工作的另一个重要方面就是要对内部功能需求和不同数据治理供应商所提供的功能心知肚明。供应商通常会对他们产品没有的且是他们一开始就没打算支持的功能大肆批判，这是因为其他工具支持这些功能或者该功能就不是此供应商提供的数据治理功能的一部分。

数据治理不存在“一刀切”

要理解这样特定的场景，即数据治理会为你所在企业规定的功能需求提供业务好处，这有助于你决定哪种工具类别是应该进行调查的。接着你需要对你的需求划分优先级或是考虑采购多个工具。虽然大多数供应商会努力提供全面的数据治理支持，或是与他人合作来实现这一目标，但是目前还没有一款工具能满足所有的数据治理需求。

很多企业寻找的工具要支持数据治理项目的管理并提供工作流和功能术语表，接着他们将软件与已有数据建模环境进行集成。另外，很多治理工具的潜在买家会考虑对他们当前的数据管理工具进行升级并将更新的数据治理功能纳入他们最新的版本。

你还必须对那些正在考虑数据治理工具购买可能的企业和业务主管做好解释的准备。例如，如果自动工作流对于你掌握的数据治理项目非常重要，那么你就需要能够很清晰地解释工作流到底是什么以及有工具监管的协作需要什么。很多企业并不能真正理解如何有效利用工作流和协作机制。

类似地，如果一个数据术语表是你治理计划的关键部分，那么对公共数据上下文的重要性以及数据作为事实和数据作为参考的区别进行解释就可能是有必要的。对于数据治理工具来说，数据沿袭问题驱动着大多的术语和语义管理需求。或者数据质量对于数据治理团队来说是优先考虑的因素，那么你就应该对数据质量问题补救的追踪和管理的重要性做好解释的准备工作。

选择数据治理工具是一个多维过程，因为功能特性的匹配并没有捷径可循。只有在理解了工具如何使用和你需要工具提供的价值后才能使你能够检查各种可以满足需求的工具类别。