数据治理对自助分析的影响

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

全球各种规模的企业采用自助式分析和商业智能 (BI) 的一个重要原因是允许业务用户和业务部门在不依赖 IT 的情况下进行日常分析工作。据 Gartner 称，到 2019 年，沉迷于自助服务工具的​​业务用户将比合格的数据专业人员提供更多与分析相关的输出。

同时，Gartner 也承认工作中的数据治理模型也必须有足够的能力支持这些自助服务计划。这种担忧表明，对于一个灵活的分析和商业智能平台来接受非技术人员的探索性分析，当前的数据治理问题构成了严峻的挑战。

自助分析当前面临的挑战

自助式商业智能 (BI)多年来一直保留在许多企业的愿望清单上，典型的自助式 BI 平台的基本功能使新手和专家用户都受益。令人惊讶的是，许多用户可能已经使用了一段时间的自助服务功能，但并未明确意识到“自助服务”一词。

马上，分析许多组织的要求在自由格式的数据分析和调整报告以修改数据模型之间变化。虽然新手可以在几乎没有 IT 人员帮助的情况下在该平台上成功执行日常分析任务，但精明的 BI 用户将享受自助服务功能的巨大灵活性。

据丽塔萨拉姆说，Gartner研究副总裁，“数据准备是 BI 和数据发现工具以及高级分析平台的业务用户面临的最困难和最耗时的挑战之一。” 因此，如果组织想要在不影响数据质量的情况下实现自助式 BI 和数据发现的敏捷性，那么现在必须在自助式 BI 平台内设计数据准备和数据治理工具。 挑战 1：这种方法的危险在于，数据质量和数据治理将继续成为令人不安的问题，没有直接的解决方案。在自助分析中，也可能会真正尝试通过为从新手到高级用户的广泛用户提供功能集来实现“一刀切”。根据标题为文章的作者

管理自助服务分析，“一刀切”的方法可能适用于自助服务，但肯定不适用于数据治理，因为不同用户进行的分析活动种类繁多。

挑战 2：在 CIO 文章中自助式 BI 的 5 个陷阱，作者声称，尽管自助计算确保业务用户在需要时准确获得洞察力，而无需任何 IT 人员干预，但大型组织内的不同业务部门最终可能会创建自己的数据模型和指标，这将导致如果报告在 BU 之间交换或交叉制表，以后会出现大问题。通常在数据孤岛中发现的问题会再次浮出水面，只是放大了一百倍。在文章中自助式 BI 的成功取决于数据质量和治理，作者清楚地解释了当多个业务用户拥有并管理他们自己的数据集市时，企业有可能完全失去对数据安全和数据治理的控制。

挑战 3：数据质量长期以来一直是许多组织的一个关键但无法实现的目标。现在，组织，尤其是拥有许多业务部门的大型组织，意识到只有通过实施广泛的数据治理战略才能保证数据质量，其中包括角色、职责、所有权、政策和程序。

此外，所有政策和程序实际上都可以通过使用先进的技术框架付诸实践。如果没有适当的数据治理，组织将面临数据质量差导致错误结果的风险。文章为什么数据治理对于商业智能的成功很重要表明可靠的数据治理可以提高 BI 投资的 ROI。

挑战 4：在大数据和物联网时代，数据量、数据种类和数据源的指数级增长改变了一切。  企业数据管理 (EDM)对于拥有复杂数据网络的大型组织而言，这仍然是一个巨大的挑战。在这篇 CIO 文章中概述的所有数据管理要求中，作者最强调自助式分析的数据治理需求，因为数据复杂性随着时间的推移而不断增加。

挑战 5：由于数据准备是 Analytics 流程中最关键的阶段，而自助服务平台要么部分或全部自动化这一阶段，因此该技术实际上可以作为“提高数据质量和数据治理的驱动力，而不是阻碍因素”。自助分析中数据准备的 DIY 方法将迫使用户探索数据质量为何以及如何影响分析质量和结果。阅读 SAS Institute 的这篇博文数据准备和自助服务分析——治理和质量工作的转折点？

挑战 6：尽管自助计算的最大好处是让业务用户日常生活中的复杂数据管理任务完全民主化，但在关键业务数据上拥有如此多的自由是否有任何缺点？DATAVERSITY ®文章如何应对数据民主化的负面影响？讨论了明显更绿的牧场的另一边。由于所有类型的业务用户都可以访问关键数据，数据安全和数据隐私是否存在丢失或损坏的高风险？除非数据治理政策通过规则、程序和访问控制充分考虑这些风险，否则自助服务的整个目的可能会受到影响。

无人管理的自助分析系统所涉及的风险

以下是不管理自助式分析和 BI 平台的一些可能后果：

具有缺陷业务逻辑和指标的不可用数据模型
从错误或不正确的数据中产生的业务决策
缺乏单一版本的真相
在数据验证的情况下审核失败
报告错误和降低可信度
合规失败和监管处罚
分析和 BI 系统维护的噩梦
巨大的数据安全问题
健全的数据治理如何改变自助计算

数据治理可以推动快速采用
当业务用户体验到在完善的数据治理框架中取得的卓越结果时，结果将作为结果消费者的“全部说明”。这本身可以推动自助服务平台的快速采用。

数据治理可以赋予公民数据科学家权力
在数据和分析：培养授权和治理文化的五种方法，福布斯作者指出，虽然数据治理一方面表示“控制”和基于规则的使用限制；另一方面，它为正确的业务用户带来了巨大的力量。重点从“IT 专家”转移到“普通用户”。通过有效的 DG 政策，企业可以在数据分析和 BI 中实现仔细监控的自由度，而不会影响数据质量或数据治理。

自助计算的理想治理特性

以下是一项调查确定的大多数企业在其自助计算平台中想要什么的一些非常理想的功能：

可定制的管理功能
用于轻松将数据迁移或导出到专有存储库而不会出现数据锁定的工具
准确报告时滞数据时间
访问的单循环身份验证
基于权限和基于角色的数据访问
为“受认可的数据源”添加水印
版本控制
清晰显示数据沿袭
用于讨论报告内容的协作工具
BI 未来的成功取决于数据质量和数据治理

毫无疑问，自助计算在为日常业务决策增加价值方面取得了长足的进步。尽管如此，在数据治理、数据安全和数据隐私方面仍然存在很多不足。根据这个仁安德伍德后，在最近的一次行业会议上，来自全球 2000 强零售商的分析总监讨论了他们的数据安全团队如何发现当今市场上可用的顶级自助式 BI 解决方案中的漏洞。

在2018年数据治理趋势，数据治理框架的主要目标是能够通过数据管理基础设施为组织增加真正的价值，这与数据安全或访问控制问题不同。有了干净且一致的数据，普通业务用户可以使用嵌入式工具专注于他们的分析和 BI 任务，而不必担心计算错误或结果不佳。如果自助服务技术真的成功地克服了“技术混乱”，那么它确实有望在用户需要时提供可操作的洞察力和市场情报。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 职场问诊 | 大厂裁员，如何正确的面对这个危机？ 大三信管专业的我，用一个月通关CDA Level Ⅰ、Level Ⅱ 和CDA持证人分享 数据科学和企业的数据能力建设 商业智能分析工具的应用 TI类数据产品设计 管理分析需求与绩效指标 PyTorch最全的损失函数汇总 数据分析最常用的excel函数公式大全 零基础转行数据分析，看这篇文章就够了

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：CDA LEVEL Analytics Institute Analytic GARTNER