
课程咨询: 400-996-5531
投诉建议: 400-111-8989
认真做教育 专心促就业
数据治理是目前大多数程序员都在学习的一项互联网新技术,而本文我们就通过案例分析来简单了解一下,为什么要从传统数据治理转向主动数据治理。
什么决定了被动/传统模型与主动治理模型的好坏?需求因业务而异。有一点是肯定的:传统方法是一种广泛的、孤立的方法,不会将数据用户带入涉及治理的领域。
数据不是一成不变的,它必须在一个连续的过程中进行改进。同样,有效的数据治理必须随着时间的推移进行调整和改进。今天的数据治理必须采用敏捷的DevOps思维并建立在机器学习的基础上,这样随着时间的推移,它会以更少的努力变得更好。
主动数据治理通过在使用点显示策略和护栏来取得成功。这种非侵入性方法意味着人们在处理数据时了解治理佳实践。此外,机器学习检测人类行为模式,这些模式表明工作中的数据治理过程。管理员会注意这种模式,他们可以反过来提醒他们的团队,因为他们正式制定了一个已经在实践中的流程。
通过将数据用户纳入决策制定,整体购买增加,这导致治理人员和前端用户之间加强合作。这允许一组自适应策略,可以随着业务需求的变化而持续优化。实际上,从传统数据治理到主动数据治理的转变将您的治理方法从被动变为主动。
主动治理是一种“秀而不说”的方法。人们在使用数据时天生就在管理数据;但是,它没有正式化。灵活的模型使用数据目录来规范这些流程,而不会影响数据用户的工作流程。通过关注人的行为而不是数据,可以完全消除数据流转循环中的错误。
随着数据用户遵循工作流程中的指南,安全性和隐私性的改进也会增加。主动数据治理支持迭代过程,以便数据用户和管理者制定推进公司目标并牢记员工利益的政策。
【免责声明】本文系本网编辑部分转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与管理员联系,我们会予以更改或删除相关文章,以保证您的权益!更多内容请加danei456学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。