数据治理做法出现在由经验丰富的分析人员组成的小型团队负责大量BI和分析的时代。在数据治理早期，数据数量的增加和流程使数据治理变得复杂。

尽管数据治理有望释放数据的价值，但它们也带来更高的风险，而这些风险可能会影响企业的底线。尤其是在自助式BI环境中，建立最佳数据治理实践来避免这些风险非常重要。

数据治理对于自助式BI意味着什么

如果自助分析没有简单数据治理，则用户可能会转向影子IT。

云计算BI服务提供商Domo首席技术官Daren Thayne说：“如果人们由于过时的治理机制，而无法有效利用所需的数据，那么他们通常会找到方法将其导入Excel。”当发生这种情况，（数据管理团队认为已经部署的）数据治理策略就不再可行。

KNIME公司首席数据科学家Rosaria Silipo一直在探索良好治理的挑战，因为她的团队正在发展自助服务分析。

她说：“保持数据质量在足够水平，并且使不同数据块彼此兼容的唯一方法是，实施治理策略。”

其他人发现，良好的治理实践可以降低成本。如果没有数据治理，公民数据科学家可能会为看似简单的结构错误的查询意外地产生大量云费用。

数字营销机构EWR Digital首席执行官兼SEO策略师Matt Bertram表示：“IT应该评估哪些查询过于昂贵、耗时或占用大量处理器。”

Bertram的团队已经探索出一些方法，使企业所有者可以更好地监视营销活动的ROI，同时，IT团队成员保持警惕，并根据需要提供帮助。

治理即代码

一种有用的策略是，将基础设施即代码相同的原理应用于治理流程。在此模型中，所有策略、流程和做法都被明确捕获为代码，可以使用GitHub等源代码存储库对其进行版本控制。这使得可轻松自动化数据治理的各个方面，并符合数据工程任务对分析的要求

这样可以减少为新的BI仪表板手动配置数据流时出错的风险。

DataOps咨询和平台提供商DataKitchen创始人兼首席执行官Christopher Bergh表示：“那些使用低效率手动流程的数据团队经常忙于不断更新的分析更新，以及应对数据的指数增长。”

增强背景信息

数据自动化和集成公司SnapLogic首席技术官Craig Stewart表示：“在传统分析中，数据的使用者可更可靠地了解数据的背景信息、及时性和质量。”

在自助服务情况下，更加重要的是，用户可使用的数据是高质量的、最新的，并且是他们可以依赖和理解的格式。因此，数据治理和元数据的可用性很重要，以使用户拥有易于理解和可用的数据资源。

数据情报公司BigID数据解决方案副总裁Peggy Tsai表示：“自助式BI需要向用户提供有关如何在业务环境中应用数据的信息；否则，可能会以对业务造成损害的方式对数据进行错误的解释。”

她建议标准化业务定义，并完整记录数据使用情况，包括有关数据如何用于计算或指标中。

透明度和清晰的沟通

AI协作平台Dataiku负责AI的数据科学家Triveni Gandhi表示：“数据治理既要考虑思维方式，也要考虑政策，如果没有企业各个层面的支持，即使是最好的治理政策也会失败。”

透明度和清晰的沟通是任何成功的数据治理策略的核心。你必须将政策清晰有效地传达给各个部门的员工。如果员工不了解他们公司的政策，就不能期望他们有效地制定这些政策。

提高数据理解

Target Media Partners产品管理负责人Robert Izquierdo说，自助分析系统的用户必须知道如何收集和计算数据，以及每个数据代表什么。

Izquierdo说：“如果你不知道退出率和跳出率之间的区别，那么你将进行的网站更改可能会破坏你的数据转换。”

Google Analytics是最大的自助分析平台之一，它会明确它提供的数据点的含义。Google Analytics会发布其提供的数据的定义，并通过其支持页面提供对这些定义的公开访问，以便用户了解如何分析可用数据。

信任但要验证

针对自助分析的数据治理应使用数据来监视和标记数据的使用方式。

Domo公司副总裁Ben Schein说：“有时，这意味着要纠正对数据的错误使用，但这也意味着在某处的电子邮件附件中找到新的见解—而原本大多数企业无法发现该见解。”

与数据相关业务的更密切的用户，可能能够识别机器或数据科学家错过的数据质量问题。智能管理的自助环境还应该能够区分认证数据和见解（例如，财务部门批准的见解）与用户生成的分析。

Schein说：“希望用户生成新的内容并探索数据，但需要确保用户了解数据-当他们在寻求创新的探索或正式指标时。”

确定责任和所有权

企业必须明确谁拥有哪部分数据；谁负责保持其最新状态和正确状态；以及谁负责提取什么信息、整理和传递信息。

Silipo说：“责任和所有权是数据治理中最重要的事情。”

数据可能并且会发生变化，流程也会有所不同，责任方必须采取后续行动，以确保数据存储库和提取的BI保持最高标准。

为变更做计划

数据在不断变化，你的数据治理模型也需要灵活适应。

分析平台Mode联合创始人兼总裁Benn Stancil说：“尽管将数据治理视为一劳永逸的东西很吸引人，即只需进行一次前期工作来定义它，然后就可从中获得收益。然而，不幸的是，这并不现实。”

每当你的业务发生变化时，数据模型都会发生变化，而自助服务分析的数据治理策略必须解决这一问题。