不管我们将数据视为不利因素或者待开发利用的宝贵资产，它都已成为了企业活动的主要内容。随着组织积累越来越多的数据，使用数据驱动越来越多的内部决策，保障数据完整性的需求也在日益增长。只有保证数据完整，企业管理者和数据用户才能对他们使用数据的准确性，一致性和高质量有信心。

这正是数据治理软件发挥作用的用武之地。

数据治理并不是实际管理数据，而是管理公司数据资产的一种正规化方法。数据治理项目建立管理公司数据和信息的规则，包括业务调整、策略、方向和监管等方面。它通常会包括一个管理机构或者管理委员会，还会有一套制度和流程，以及执行计划。理想情况下，制度应该由IT部门和业务部门联合制定，尤其是对组织数据各方面负责的人员要参加，因为要决定数据如何管理结构、存储和使用。

许多公司实施数据治理框架是为了解决法规要求、审计问题和数据质量欠缺的问题。同时，随着网络入侵和攻击的增多，公司出于安全原因考虑也需要采取更加严格的数据监管措施。而像金融服务和医疗业这种有重要法规遵从驱动的机构，数据治理项目正在被零售商、消费者产品制造商和其它企业采纳，他们希望更好地管理日益增长的业务信息数据。

数据治理软件的角色

成功的数据治理策略通常包括人员、流程和技术，数据治理软件会增补完善组织的数据并自动化处理。

有一种倾向认为数据治理工具只是用来管理数据的。虽然从功能上来看，这些工具具备管理数据的功能，但是本质上他们是不同的。例如，数据治理工具不会创建数据安排布置（通常是一些可执行文件）。相反，这些工具支持各种部件以及支持替换项目中的局部功能。例如，传统数据管理功能术语约定和复杂管理规则和策略功能在数据治理工具中都可以支持。

数据治理项目通常有许多组件，创建和管理这些组件的各种机制是比较耗时的。例如，只是形成治理策略或者定义关键数据元素可能就要花几周时间。作为主数据管理或者大数据工作的一部分，你可能需要管理150项数据，但是你很快会发现数据生命周期中有许多可移动部件和步骤，处理数据同义词、语义等问题是比较麻烦的事。

客观来说，一些公司使用的许多数据管理工具可以对实现数据治理有帮助。例如，数据字典工具或者甚至数据建模软件都可以帮助形成数据术语，管理业务数据元素的定义。

但是，使用专业数据治理工具有如下两方面益处：

• 首先，生产力是最简单直接的考虑。大多数组织开始时候都用过Excel电子表格和SharePoint清单来管理数据定义，包括数据沿袭关系和引用关系。此外，他们使用Word SharePoint或者甚至使用维基整理文档和更新治理策略。然而，通常这些机构后面会意识到数据形态的复杂性将很快演变为笨重的标准、政策、流程、定义和工作流，用电子表格和文档逐渐难以管理。
• 其次，这些治理工具的策略需要支持持续的数据发现和可持续发展，就需要深思熟虑努力处理文化问题来推动项目。使用具备数据治理功能的工具。很显然，使用具备数据治理功能的工具和专业数据治理产品之间的差距是非常显著的。

一些数据治理平台是从数据管理工具演化而来的，也有一些产品是全新设计的。获得具备支持数据治理项目所需功能的软件比购买某种类型的工具更重要，一般来说，你可以在以下三种类型软件中挑选数据治理软件：

• 项目和策略管理，包括工作流、策略管理和问题管理。
• 数据质量，包括数据问题管理和数据质量补救管理。
• 基于传统数据管理功能的工具，比如：跟踪数据历史，数据资产库、语义和词汇表，数据引用和主数据管理，业务规则治理。

在这些分类中，你真正需要考虑的是产品的功能。下面的内容详细描述了在数据治理项目中可以使用治理工具实现自动化和管理的基本方面：

业务一致性。数据治理项目与组织战略、长短期目标和计划保持一致性是至关重要的。软件功能支持对业务计划和流程进行分类和分层级管理对形成业务一致性是非常有用的。

政策制定。数据治理会带来新政策，因此推动建立治理原则、政策、标准、控制、规则和规章的功能都是非常有价值的技术特性。

运营支持。数据治理从实际角度来看就是运营业务项目，因此它对项目管理者各方面工作都非常重要，包括：管理文档、跟踪治理角色和职责、操作规程、工作流、数据管理指导方针和组织变更管理流程。

信息数据构件管理。包括数据元素、模型和词汇表。管理这些信息是数据治理软件的核心需求。

控制其它工件。文档和其它需要存储并持续使用或审查的资料是数据治理项目需要使用治理工具跟踪和控制的重要部分。这些材料包括：手册、规章和与文档记录相关的工作成果物、政策和数据质量资料。

数据管理元素。由于数据治理就是要对数据管理做监管，所以你需要跟踪各种类型的数据管理活动和标准。数据质量、域和主数据生命周期、引用数据、数据移动、数据沿袭都是数据治理需要监管和管理的流程。

协同工作流。既然数据治理会涉及到许多活动部件和角色，协作就成为了许多数据治理工作的核心。理想情况下，文档的移动和协作便利性在数据治理环境中应该自动支持。

有许多工具可以做这方面的工作，有几种产品还支持多种功能。占据市场份额的领先供应商有：Adaptive，Alation，Collibra，Data3Sixty，Diaku，IBM，Informatica，Information Builders，SAP，SAS和Trillium。

SAS和Information Builders公司在商业智能市场已经深深扎根。其它IBM、Informatica和SAP等公司都构建了数据治理产品套件，或者自行开发，或者收购获得。像Collibra公司和Trillium公司是纯粹的数据治理产品厂商。这些产品大部分都是按授权销售的，也有云服务或软件即服务方案。

业务和IT需要一起工作

许多数据治理项目是在业务运营方面发起和经营的，然而，它们需要IT部门支持治理软件的使用。通常，IT会评估然后购买工具，然后再安装，再告诉数据治理项目经理一切就绪。这不是理想的操作过程。业务单元可能对购买的技术架构工具并不了解，使用起来也会有问题。

数据治理项目要成功，关键是IT部门和相关业务部门共同协作部署数据治理软件。如果这些工具不能有效使用，治理项目就有可能失败。数据治理就是要监管企业信息管理的各方面，关键是企业方面。没有本地数据治理。