|
|

[數據治理 #3] 數據治理常見的痛點

鍾德霖 博士 David Chung Ph.D.
副合夥人 Associate Partner
星普思管理諮詢有限公司 Synpulse
長期以來數據治理對金融機構來說重要性不言可喻，但往往投入數據治理資源的優先序相對並不高。然而近幾年隨著資料科學、AI乃至於生成式AI（Gen AI）的興起，數據治理的重要性不斷因為技術的演進而進一步「被迫地」突顯出來。在本系列文章將以數據治理 Data Governance 為核心進行不同面向的介紹與探討。

本篇文章將探討數據治理常見的痛點。



我們曾與多個金融領域的客戶進行有關數據治理的訪談，在訪談中我們最重要的問題即為常遇到的痛點有哪些？
以下是我們整理出最常見的三項痛點。
  1. 數據品質不佳
    數據品質不佳幾乎是一個大家共通的問題，至少我們鮮少聽到有客戶認為自己的品質是足夠良好的。而數據品質不佳的狀況也有很多種，形成的原因也有多種可能性。一般而言不外乎：數據的數值或資訊不正確或不夠精確，以及在數據進行整併的時候(多半在系統整合時發生)發現理應是相同的數據但卻有不同的數值…等。然而更令人氣餒的是，當要進行問題的追查時，卻發現數據的上下游關係，亦即俗稱的「血緣」並不完整而導致追查不易。
  1. 數據治理的權責不明
    在我們的經驗中，設有數據治理團隊的組織已相對不常見，有明確的角色與責任(R&R)的組織更是少之又少。而在權責定義不清楚的情況下，人員在執行相關的任務時即會產生困擾，導致執行的優先順序錯亂進而使得整體數據治理的成效不彰。更明白地說，若是無明確的績效定義，組織要推動數據治理將是難上加難。
  1. 無法評估未來應導入的系統工具
    一般而言組織已經為了業務應用所產生的數據已經採購了相當數量的系統工具；即便如此我們仍然常常聽到客戶抱怨所採購的工具並不適用或是無法滿足需求，然而更糟糕的是，後續應該進一步導入的系統工具為何，以及優先順序甚至無法評估。
以上是我們最常於金融機構聽到的數據治理的痛點，後續我們會再持續討論相關痛點的發生原因，以及可行的解決方案。



本文內容已獲鍾德霖博士授權，未經同意禁止轉載。原文出處：
https://www.linkedin.com/posts/davidchungtw_jfchavndvioz-nrdjgjkppkzk-oxconmlkhkzk-activity-7226870561858011137-fI_w?utm_source=share&utm_medium=member_desktop&rcm=ACoAACHogbkBPE4SYpsz6UQCUffXH-qlNMoauVI
返回
上一篇

Scroll Top