【IT专家网独家】确保你的数据有效并且保持下去，需要正确的方式进行数据监管。要找到并且留住客户的话，除了商务智能是一个重要的工具之外，还有充分的衡量公司的业绩，灵活的递送，以及挑战性。其中最重要的一项就是：数据监管。

　　尽管数据监管对于成功地商务智能和数据仓库来说是至关重要的，但是它并不简单。为了拯救数据：你应该感到羞愧的5个垃圾数据实践方案，以及清洁五招。

　　垃圾数据时间方案1

　　你认为购买最酷的商务智能工具就万事大吉了。

　　这是一个残酷的现实，你的商务智能报告工具只会根据你投入的好信息而产生好信息(就是说，“垃圾进去，垃圾出来”)，但是那并不意味着采用了正确的动作。因为大多数的企业仍然对数据采用一种隔离的态度，数据监管仍然是个困难，IT咨询公司Ovum的IT首席分析师Ian Charlesworth说。数据通常都出自不同的业务部门，并且在那些部门里面录入，以不同的方式对待和查看，使得“真相只有一个”的说法成为不可能的事情。

　　了解你的数据

　　数据监管的第一步就是建立一个有效的数据视图;找出你所拥有的，这些信息在多大程度上可靠，什么数据是有益的但是是以前没有用过的，哪些数据损坏了，哪个IT项目正在复制信息。还要确保与股东的沟通，关于没有数据监管的成本，以及创建数据监管的价值。

　　垃圾数据实践方案2

　　直到你可以完整地检查，否则就拖迟。

　　所有那些要么全部要么没有的方式八成都会失败。对于初学者来说，把所有的数据都一下子纳入控制当中是不现实的，考虑到时间和金钱的约束，还有在可能进行这样的检查的企业中，来自用户的阻力也几乎是一定的。

　　从小事开始，着眼于大处

　　除了要么全部要么没有的方式之外，把数据监管最重要的方面进行优先级排序，形成一个拱形的前景。例如，Charlesworth建议把精力集中在如下4个关键领域：

　　· 创建数据质量处理过程和程序，在可能创建和捕捉数据的这些地方。例如，在一个订单输入系统中创建一个数据验证程序，或者建立一个名字和地址命名法的公司标准。

　　· 分配一名数据干事。这个人应该是来自业务内容，他在公司范围内支持并加强数据质量实践方案。这个人应该对数据在业务中的使用方式和地点有清晰的了解，并且充当业务和IT之间的联络人员。

　　· 创建一个主数据管理解决方案。对于初学者来说，这意味着分配一个惟一的标识符给跨业务的核心信息资产，例如服务代码、客户定义等等。

　　· 集成元数据。元数据可以给你提供关于IT和业务的重要信息，把复杂的信息用外行的术语，并且传递重要的关于潜在的数据语法、语义纠正等的信息。

　　垃圾数据实践方案3

　　制订数据监管策略——再也没有烦恼了

　　数据监管的开始通常与特定数据仓库或者商务智能项目有关系。然而，如果你将数据监管看作是一个“项目”，你的努力注定要失败。成功的数据监管依赖于业务部门从技术和文化基础的角度履行的长期的承诺。

　　建立数据监管的文化

　　在职培训和衡量数据监管好处的关键的里程碑可以帮助对用户的雷达进行质量控制。成功的数据监管还依赖于高级领导层对专用人员的投入。Charlesworth说，CIO通常就是这项工作的完美人员，因为CIO或许就是向前看和关注处理过程效率、金钱，以及技术的结合。一些公司甚至特别为这个职位创建了一个C头衔，例如首席数据官或者首席数据监管员。

　　垃圾数据实践方案4

　　你让红带子破坏了你的努力

　　Charlesworth说，许多数据监管努力都没有带来积极的改变，却在会议和官僚作风上面停顿了下来。但是如果你没有关注动作和可展示的成功，用户们就不会感觉到直接的利益，这一点用户委员会很不喜欢。

　　递交快速的成功

　　要让用户买入和签合同，你必须创建、展示和内部销售数据监管带来的积极的变化。例如一个最初就可以产生可测量的利润的事情就是通过减少错误的发生来促进订单的有效性。

　　垃圾数据实践方案5

　　要让ROI成为第一要义

　　你可以精确地分辨投资收益，并且把它们归结到某个特定的项目吗?在今天的多面的复杂的业务环境中，这是不可能的，Charlesworth说。在特定的投资前提下计算ROI，假定业务中的其它任何因素都是静止的或者对利润没有影响，他说。

　　创建一个成功的清晰前景

　　Charlesworth建议看看其它的测量标准，例如内部回报率(这是衡量投资效率，或者项目一般预期增长率的)，还有增加的经济价值(评估真正的经济利益)。然而，最重要的事情不是计算本身，还有围绕着成功定义的讨论——它看起来怎样，你如何知道什么时候拥有它，Charlesworth说。这一点从衡量数据监管各个阶段和粒度级别价值的角度来说，特别重要，因为它可以衡量你是否脱离了轨迹，如何修正。他举出的这样的衡量标准的例子还包括一个数据质量仪表盘，它可以显示如下内容的准确性，包括数据处理、数据一致性和规则/衡量重用，以及特定项目的衡量标准，例如产品主数据元素的标准化。

　　IT专家网原创文章，未经许可，严禁转载!