-
-
夜袭光棍村 小试身手Lv3
发表于2019-3-12 14:22
楼主
搬到“云”不是小菜一碟。
因此，如果你的企业想要增加其云占用空间，你需要以不同的方式思考。在将数据从你自己的场所移动到公共云时，你应该重新评估管理数据资产的位置，安全性，移动和审计的业务规则。当然，你还必须遵守数据保护法规和法律。
移动数据还会扩大良好治理的管理挑战。最重要的是，云迁移可能被视为“技术”活动 - 但事实并非如此。数据是一种机构资源，责任和问责制完全属于业务流程治理领域。
是的，技术可以帮助你遵守围绕数据制定的政策，但这不是起点。
那么起点是什么？ 最好的方法是认识到需要修改现有的数据治理和管理策略。适用于公共云中的数据的法律和法规与内部部署的法律和法规非常不同。这些策略支持服务级别，所有权和流程：它们不仅可以确定数据资产的生命周期，活动和位置，还可以确定其可访问性，一致性，准确性，保护，性能和安全性。
那不是全部。有些因素决定了数据的归档和备份要求，谁有权访问，审计程序是什么样的，以及监管对数据的影响。所以你需要明确定义的规则。
下一步是什么？ 你可以开始制定计划。这是三个步骤......
1.了解供需的影响 你的IT资源将具有一定的容量和性能要求配置文件。仔细观察会告诉你需要多大的弹性来满足你的业务需求。我们以零售为例，当假期到来时，销售额大幅增加，推动了IT资源的后续需求。通常，企业使用预测模型来影响预算和采购。假日销售定义了他们的年度成功或失败。
但为满足季节性高峰需求而投入的资本将在一年中的几个月内提供回报。对于其余部分，看起来该组织正在进行无效投资。云提供了更好的解决方案：通过弹性扩展到公共云，可以满足高峰期的IT需求。一旦峰值过去，就可以签约。如果根据配置文件更加统一的月份的容量计划，对回报和股东价值的计算看起来更有效。
大多数行业都会或多或少地看到需求激增。在你需要时购买IT资源并在完成后将其恢复的能力非常有用。
2.实践有意识的变革控制 数据治理和管理计划将始终是“正在进行的工作”。在某些时候，你将获得具有适当强制性和理想要求的计划版本。这是你应该确定基线模型的时候。它将提供您你计划，预测和执行“假设”分析所需的洞察力。
数据是根据销售点的客户行为和会员卡的使用情况收集的。这允许零售商了解购买模式，产品放置的有效性，营销等。在商店获得客户数据之前，零售商必须制定有关治理和管理的规则，这些规则应符合监管框架。通过围绕使用，质量，安全性，审计等流程，您可以确定基准模型。
然后必须根据基线测试数据治理的任何变化。任何分析或使用数据以获得商业利益都必须符合模型。
3.识别技术（是的，现在是时候） 当您找到适合你业务的模型时，是时候看看能够带来最佳灵活性，选择和成本的技术，同时还要平衡风险。它们必须是能够提供一致的方法来管理数据所在位置的技术。你的数据可以是本地的，非本地的，在超级用户中或附近，但管理应该是相同的：你不希望以三种不同的方式做同样的事情的成本和不灵活性。
你的技术应该允许您快速将数据移入和移出云。它应该支持不同类型工作的不同级别的性能，并且应该允许在这些性能层之间轻松移动。
底线 数据管理和移动具有挑战性。它有质量：它很重，活动通常受合规性和审计规则的限制。
但是，无论位置，应用程序，服务器平台，网络或存储如何，任何良好的数据治理和管理计划都将遵循数据。它将具有适应性和可执行性，无论数据驻留在何处，以及你采用的任何云模型。
做好数据治理—你只需要它！
睿治平台包含但不限于下面几种功能
1、数据标准
对分散在各系统中的数据提供一套统一的数据命名、数据定义、数据类型、赋值规则等的定义基准，并通过标准评估确保数据在复杂数据环境中维持企业数据模型的一致性、规范性，从源头确保数据的正确性及质量，并可以提升开发和数据管理的一贯性和效率性。
2、元数据
采集汇总企业系统数据属性的信息，帮助各行各业用户获得更好的数据洞察力，通过元数据之间的关系和影响挖掘隐藏在资源中的价值。
3、数据质量
有效识别各类数据质量问题，建立数据监管，形成数据质量管理体系，监控并揭示数据质量问题，提供问题明细查询和质量改进建议，全面提升数据的完整性、准确性、及时性，一致性以及合法性，降低数据管理成本，减少因数据不可靠导致的决策偏差和损失。
4、主数据
帮助企业创建并维护内部共享数据的单一视图，从而提高数据质量，统一商业实体定义，简化改进商业流程并提高业务的响应速度。
最后，希望大家在2019年能够真正实现数据治理的成熟化，以及成功完成企业数字化转型。
