如果你正在寻求在企业中启动一项数据治理项目，别忘了要包括一个创建数据质量标准的计划，这样一来就可以对项目的业务价值进行量化。在本周举办的一场虚拟会议上数据治理管理人员进行了发言，以下就是引自他们所述最高计划和实施重点中的一项。

发言人详细阐述了其他待办事项，包括对业务买入和参与水平的深入发展，为管理流程建立一个固态数据治理结构，并为治理词汇的内部传播设计一项沟通策略。但是他们说，要让这一切奏效，并对其进行持续支持和自助，取决于治理项目能否展现出实实在在的业务回报。

Jennifer Ippoliti是金融服务公司JPMorgan Chase & Co首席数据部的全机构数据治理主管，她说，“业务经理们真正关心的是数据质量。问题的重点不是数据治理，而是数据质量。而且有时候，你必须进行适当调整以便更具现实性。”  

作为Dataversity’s Enterprise Data Governance Online会议的一部分，在一个演示中，Ippoliti说数据治理团队需要建立数据质量改善目标，然后对其进行跟踪和汇报。而且它们应该是“有意义的业务目标”，而不是以数据为中心的。她说，“如果你的目标是在今年年底对500片数据进行改善，那又怎样呢？”

数据质量问题毫无隐瞒

根据所跟踪的数据质量标准，那些达不到要求的结果不应该被隐藏起来，Ippoliti补充说。在和业务代表开会期间，总部位于纽约的JPMorgan数据治理团队成员们指出了好的和不好的结果以及质量尺度。

Michele Koch是Navient Corp.企业数据管理和数据治理部门的主管，她在该虚拟会议上也做了发言。Koch说当Navient还是贷款提供商Sallie Mae的一部分时，作为Wilmington, Del.贷款管理和服务公司的一名学生，她获得了关于数据质量标准重要性的重要经验。

当时，Koch领导着一个数据治理试点项目来解决七个数据字段中的质量问题，而这些数据字段是用来给潜在客户触发新市场邮件的。在公司管理层向她问及该项目上的一些可量化标准之前一切进展顺利。“我意识到我并不拥有这些信息，”她说，“而且我不得不回去并花费相当多的时间来收集这些信息。”

Navient在2014年从Sallie Mae脱离出来，如今它基于三个业务动力计划并监控数据治理项目：增加收入，降低成本以及减少公司风险和合规问题。该数据治理团队通过对那些作为公司数据治理委员会成员的业务管理人员进行问卷和采访来评估数据质量问题的业务影响，然后使用工作表格来计算潜在修复的业务价值。

对数据质量线进行着色

治理部门还维护着一个数据质量标准的主电子表格，它是每周更新的，用绿色、琥珀色和红色编码来表示特定的数据集是否有可接受的错误率或是精度低于预定义的阈值。Barbara Deemer是Navient的首席数据管家，他加入了Koch的演示而且说当出现红色时，治理团队就会对数据错误的原因以及要对它们进行修复的成本和预期收益进行研究，如此一来治理委员会就可以决定哪些问题应该予以解决。

此外，每周会给委员会成员发送一封关于数据质量最新信息的邮件，这样他们就能看到什么是处于监控之下的，以及在哪些方面是依赖于错误率的。Deemer说数据治理团队还会通过商业智能（BI）面板给治理项目相关人员发送报告。该面板用SAP的BusinessObjects BI软件建造，提供了三类指标的详情：Navient系统中数据质量的状态，源自质量改善工作的业务价值，以及数据修复的统计信息。

其他用于数据治理项目的技术包括SAS Institute的数据治理管理工具和Oracle数据库，它存储了数据错误的结果。

但是，确保治理工作在业务术语中得以体现才是首要目标，而不是将其作为一项IT锻炼。Deemer拥有会计背景，她注意到在对高管进行关于数据质量问题业务价值的采访之前，她会将他们映射到Navient的账户金融图表。她说，这样做可以让这些高管“马上就能看到哪些问题可能会对部门经费造成花费，并且如何对它们进行修复以改善操作。”