软信天成：用于数据治理的数据编目都有什么功能？

众所周知，企业数据治理不再是孤立的功能，业务和 IT 部门需要在管理和利用数据方面协同工作。企业数据目录通过提供全面的数据可视性以及支持业务和IT 部门之间协作的框架，成为有效数据治理计划的要求，最终推动数据驱动的数字化转型。下述为智能数据目录需要具备的五大基本功能。

01 广泛深入的元数据连通性

成功的数据治理取决于通过扫描和编目整个企业数据资产来发现数据的能力。能够无缝地处理来自传统的本地数据、云数据、大数据、商业智能工具和其他应用程序以及结构化和非结构化数据等各种来源的数据至关重要。这不仅涉及连通性的广度，还涉及提取不同类型的元数据，用于更深入地了解数据并自动化下游流程的能力。

02 数据沿袭和影响分析

有效的数据目录将可以提供端到端沿袭的业务友好型视图，因此业务用户可以了解关键数据的来源。数据目录通过将某些数据（例如，信用卡号这一敏感信息）与业务术语和政策联系起来，为进行与内部规则和外部法规相关的影响分析提供指导。

03 数据质量监控

任何成功的企业数据治理项目都必须充分了解数据质量。企业数据目录解决方案应提供对数据分析统计（例如价值分布和其他模式）和技术元数据的可见性，以便更深入了解数据质量。通过更高质量的数据，最终结果将更适合于合规性报告和高级分析，以及为整个企业的终端用户，从 CIO 到 CEO，提供有意义的见解。

04 AI 驱动的可扩展性

如果没有可简化流程的 AI 驱动平台，例如自动化管理、标记和分类、类似数据的自动检测以及业务术语与技术数据资产的自动关联，则实现企业规模数据治理不切实际。由于存在数千个数据集，而每个数据集又包含数百栏和数千个业务术语，手动识别和标记是一个不切实际的选择。如果完成数据发现过程或生成报告需要数周或数月，则结果可能价值不大或没有价值。

为简化将技术元数据与业务术语和政策关联的繁琐过程，AI 驱动的数据目录解决方案可以自动将特定业务术语和政策与相关数据集关联，这是实现和维护企业规模数据治理的必要条件。数据管家可以专注于对 AI 管理的数据集进行更高价值的分析，以提供更多价值。

05 协作性

除了利用 AI 的可扩展性之外，数据目录还应该利用可接触到数据的所有利益相关者的集体知识和主题专业知识。其中包括 IT 架构师、数据所有者、数据管家和数据使用者。所有这些利益相关者的协作对数据治理项目的成功至关重要。数据目录通过提供数据整体视图以及丰富的业务语境，应使 IT 部门能够更好地支持业务请求与要求。企业用户应该能够进行标记、评论、评级、批准工作流等操作。通过政策与治理控制下的数据紧密结合，智能数据目录使业务和 IT 利益相关者能够有效且负责地使用数据。

数字化转型改变了我们的期望：我们希望服务更佳、交付更快、成本更低。企业必须转型方能生存发展，而数据正是解决之道。