业务治理重点：大数据智能

在大型企业内，信息治理专员的主要职责是确保企业数据遵循日益复杂的法规合规性规则。近年来，治理的职能不断扩大，然而，随着企业领导人开始意识到企业产生和存储的大量信息提供了一个现成的业务数据智能的资产。 信息治理专员则越来越多地被要求挖掘大数据分析，来寻找为公司创造收益的新方法，同时还需要维护法律和法规合规性。

Jeffrey Ritter，律师，同时也是牛津大学的外部讲师，最近讨论了信息治理专员是如何超越维护数据遵从公共法律和法规以外的职能。在本期问与答中，Ritter解释了公司董事会对于大数据智能的需求增加，分析投资对于这一改变的影响，以及治理专员要如何适应。

随着新的大数据产品和服务的出现，企业对于信息治理的要求是如何转变的？

Jeffrey Ritter：成功的大数据智能需要企业的历史信息，用于分析。首先，这些内容必须符合可以分析的数据类型规则。当这些数据不符合规则时，对于大数据的投资则被稀释，因为可以用于分析的数据变少。因此，信息治理专员的职责就超越了确保数据遵从公共法规。现在，信息治理还必须确保整个公司的记录通过验证，确保这些记录可以用于大数据分析。

有哪些大数据规则？

Ritter：关键是，导入的数据符合结构规则，比如数据库使用的相关信息分类和结构方案。但很多大数据分析引擎在接收和处理来自不同的数据源的数据时，结果最理想。引擎需要知道信息的来源，以及这些信息是如何被维护的。

这些规则还强调数据的溯源。信息治理团队必须在任何IT项目的前端根据这些规则制定合规性。如果他们不这样做，最终的输出数据对于大数据产生的价值创造分析可能是无用的。

你能举一些新的数据存储库的例子，是信息治理团队必须包含的吗？

Ritter：21世纪终结了结构化记录。发票、采购订单、发货通知、商业协议，所有这些传统的业务信息资产格式被拆解为大量的数据湖和数据集合，数据可以在多种结构中组合和使用。

这使得信息治理非常困难。数据流、图形数据、linux系统加载的应用执行日志，身份管理系统的验证日志，这些都不是传统的“记录”，但它们对于利用大数据获得潜在的商业利润都是至关重要的。最好的业务数据智能是由分析很多小记录产生的——这就是挑战所在。

企业领导人，和信息治理专员在信息治理上，仍然关注合规性要求的原始内容记录。但更困难的挑战则是处理这些新类型的大量数据。

许多公司的数据管理计划，要获得完成他们原本的合规性职能的资金，已经很困难了。信息治理经理要如何才能确保获得应对这些新挑战的额外资金？

Ritter：大数据分析和商业智能市场的快速增长是有原因的。数据输出在帮助企业创造新的收益，并快速做出业务决策上非常有用。当信息治理可以和管理IT系统相关联，使数据在大数据分析中更有效，它就可以帮助创造新的收益和提高业务速度。

事实上，强大的信息治理对于大数据智能的投资回报是一个有力的加速器。当信息治理专员完全投入到内容和数据溯源的设计中，数据管理成为一个积极的业务功能，远比维护原始内容记录遵循公共法律的法规，要重要的多。