数据治理的最大问题在于技术 ，因为 技术决定了我们要优化的目标。这个过程可能是公开的，也可能是间接 的，但确实会发生。 所以，您开始踏上数据治理之旅，或许是因为 了解它的价值，或许是因为您将其视为一项 合规性任务，或许是因为人工智能的出现，您的组织意识到需要提高数据质量，而治理似乎已成为必需。您该 从哪里开始呢？通常，一些共同的要素标志着一项计划或项目的启动，这些计划或项目将塑造您的数据治理体 系。这些要素可能是： 根据项目的触发条件定义一些目标 组建团队 评估你的 愿景 和成熟度 制定数据管理政策、标准和程序的框架 访问控制 设定角色和职责 问题是：在考虑实施之前，组织应该以及能够 如何清晰地定义这些内容？而此时，情况往往会发生转变：事情 变得更加具体，需要实施 ，无论是安全策略、质量指标、元数据存储库等等。对于实施， 工具 供应商 喜欢提 供指导，甚至共同定义竞争环境。这似乎是理所当然的。毕竟， 厂 商最了解自己的工具，不是吗？他们提供实 施支持，并且通常将自己定位为数据治理专家。 但问题在于：供应商优化工具的功能，而不是 您的组织实际需要的数据治理功能。这种不一致通常会导致数据 治理 工作 由于工具功能 ...