关于商业智能数据的治理，私营企业可以从公共部门的数据管理实践中吸取宝贵的经验教训。 商业智能在企业中发挥越来越重要的作用，因为它提高了传统流程的准确性，并提供了改变战略的洞察力。进入BI流程的系统比传统系统更复杂，这可能使数据管理变得更加困难。因此，BI数据治理比以往更加重要。 BI涉及的数据通常是从历史悠久、范围广泛、数据仓库或类似结构优化的大型数据体中筛选出来的。为了使数据有用，必须使用与常规数据相同的方式进行管理。因此，以下BI数据治理内容是很重要的：

• BI数据往往是多源的，可能会有更多的依赖关系，情况可能会更加复杂。
• 在任何聚合数据结构中，不干净和不完整的数据总是令人关注的。复杂的依赖关系使得BI源中数据的清理和实现变得更加重要。当源数据质量参差不齐时，在BI进程中发现的下行趋势模式就不那么可靠了，而且数据质量的差距会导致良好的关联不可用。
• 一个强大的、多源的BI过程可能包含非常规来源的非结构化数据。例如，社交媒体数据在营销和销售情报方面扮演着越来越重要的角色。在使用BI的过程中提供这些数据，会带来新的挑战。
•  一旦清理了脏数据，并弄清楚了如何处理非结构化的数据，那么数据集成的挑战就随之而来了。集成需要将生成的数据放到一个表单中，多个业务流程可以轻松且毫无疑问地加以利用。

以上环节中任何一个环节的失败，甚至是不完美的执行，都可能导致BI数据环境不稳定的或不正确的结果。通常，这些弱点将会在许多BI进程中揭示出来。由于BI进程的产品是基于概率的趋势、预测或结果，在流程的任何一个阶段的糟糕数据不仅会带来错误的结果，还会加重这些错误。

公共部门的经验教训

BI数据治理是必要的，一般需要超越其责任范围。幸运的是，有一个很好的模型可以遵循——公共部门的开放数据计划。 在美国包括波士顿在内的三个城市已经开始通过云部署向当地居民提供公开的数据集。这些举措非常成功，允许公民和公司从各种用途下载大型数据集。对于这些大型数据，严格的数据治理要求适用于私营企业的BI实践。 公开的数据必须被集成起来，为最大量的用户提供最优的实用程序，这是一个有用的原则，对于开放数据来说也是必不可少的。这个过程需要减少数据的列，这些数据与其他列相结合，可能会违反隐私或安全标准。同样需要的是跨门户的元数据标准化和自顶向下的构造，以在用户可能发现其优势的数据集之间创建关联。这可能需要额外的工作，但这是私人部门应该效仿的做法。 政府风格的法规遵循和监督程序包括一些可以应用于业务BI实践的关键原则。 一个多元化的治理团队。数据治理需要IT参与、上层管理和实践用户。有些团队成员应该是永久的，而其他人可以是临时的，当他们能够就特定的过程结果提供建议，参与讨论。 业务目标一致。此过程需要仔细监视连续性。在市政府中，保持团队对公众利益的关注是最优先考虑的，这将帮助私人企业为客户提供更好的服务。 数据新闻和终端用户的支持。在公开数据部署中，政府和私营企业的治理团队必须确保有足够数量的用户案例，以支持在分析和报告中更好地使用数据。 持续改进流程。随着开放数据使用的增加，治理团队必须不断完善和更新其数据管理实践。 当涉及到BI数据的治理时，公共部门的管理层努力以更高的效率做更多的事情，对于想要使用BI的私营企业来说，没有比这更好的实践经验了。