2021年的数据治理趋势反映了不断变化的数据管理格局，侧重点主要在数据安全和远程访问。在很大程度上，数据治理趋势受到了2020年应对大流行带来的持续影响，当时企业面临着突然将工作场所结构转向远程设置的情况。
数据治理现状
根据欧文的《2021年数据治理和赋权状况》报告，2021年的数据治理趋势可能类似于过去几年保持不变的驱动因素，包括:
数据分析能力
法规遵从性
更好的决策
该公司指出，还有两个新确定的数据治理政策的实施驱动力:
改进的数据安全
提高数据质量
这些新的驱动因素反映了COVID-19大流行带来的独特数据安全挑战。对企业数据资产的广泛远程访问引入了跨企业网络的新漏洞，包括那些影响数据隐私遵从等数据治理目标的漏洞。
与过去几年一样，数据治理将继续与其他数据监督工具(包括端到端数据管理平台中的工具)一起发挥互补或集成的作用。
数据治理软件的5个趋势
1.增加对建立单一真相来源的关注
企业认识到，不同的数据竖井经常会导致重大问题，特别是涉及到快速访问、审计和报告时。统一的数据存储库更容易监督和保护。
根据Druva最近的一项调查，73%的IT决策者表示，他们在做业务决策时比以往任何时候都更依赖数据。然而，41%的受访者表示，他们无法轻易获得所需的数据。
基于云的解决方案在简化数据访问和存储方面越来越受欢迎。云数据存储库允许远程工作人员和客户端从任何地方访问数据，比许多本地解决方案更具可伸缩性。
当组织趋向于集中化时，重要的是要注意数据安全变得更加重要，因为更广泛的数据池对坏参与者来说是更有吸引力的目标。还必须保护集中数据，防止由于自然灾害、意外删除和机器故障造成的数据丢失。
2.形式化的数据收集
不断扩大的数据池正在影响组织收集数据的方式。在此之前，企业可能会根据客户偏好使用许多不同的数据收集方法，而更加形式化的数据收集有助于确保数据治理中的数据完整性。
从一开始就一致的数据收集大大减少了数据监督所涉及的时间，因为分析师不需要手动调整数据的一致性。统一的数据收集也有利于某些人工智能(AI)增强的软件解决方案，特别是那些涉及基于规则的机器学习(ML)的解决方案，这是一个影响网络安全平台和数据治理工具的问题。干净的数据对机器学习软件至关重要——当数据结构不一致时，丢失大量数据的风险是非常真实的。
全球分析和激活平台Piano的数字分析专家Declan Owens表示，数据质量是一种必须持续保持的方法，以保证数据的可靠性。
Owens说:“可以考虑创建一个数据治理机构，以永久监控流程的效率。”“如果一个数据项包含错误，研究它，纠正它，记录它，然后采用适当的规则，这样它就不会再发生。”
3.增加对数据素养的关注
企业越来越注重提高员工的数据素养，以提高跨部门和角色对数据的整体护理和处理。这种整体的方法可以全面改进数据治理。
企业正在更深入地教育员工他们每天使用的数据，传授数据安全知识，数据处理和配置的最佳实践，以及帮助公司实现更好的数据治理的工具培训。
在这种情况下，围绕数据素养的想法是，从数据被添加到企业网络的那一刻起，数据将被更仔细地处理。优先考虑数据完整性和安全性的公司文化肯定会带来更好的审计、报告和遵从性。
4.云集成
数据管理总体上已经转向基于云的模式，在这种模式下，加密数据可以被远程访问和存储。这些设置不仅能使业务实践更加高效，而且还能帮助企业以各种方式将数据货币化。
无论数据如何使用，云中的数据治理都是必须的。行业分析师预测，未来的数据隐私法规可能会考虑云存储如何影响风险。各公司有望看到专门针对云数据的新法规即将出台。
大多数在云中执行数据治理任务的企业都在混合云或多个云环境中运行，这可以降低总体成本，因为并非所有数据都需要在更昂贵的私有云网络中得到严密保护。据IDC称，到2021年底，全球超过90%的企业可能会依赖混合云模型，包括私有云和公有云结合传统平台。
5.人工智能
人工智能和机器学习已经成为许多企业数据治理任务的规范。ML平台可以自动化数据组织和遵从性审计等任务，为分析人员腾出时间处理安全功能等高优先级问题。
机器学习工具使用的增加与数据完整性和一致性高度相关。这些平台的可靠性取决于提供给它们的数据。现代机器学习在找出隐藏数据方面做得更好，但当数据被统一存储时，它的表现仍然要准确得多。
当前的数据治理趋势主要聚焦在数据共享，以及有组织和统一的数据收集和存储方法。而只有将这些优先级牢记于心的软件解决方案，才能够有效满足企业不断增加的数据治理需求。
作者：Sarah Hunt
原文链接：https://www.datamation.com/big-data/data-governance-trends/
