在當今的大數據世界中，云技術是必不可少的，因此大數據投資顯然是有優勢的，但是管理不善可能意味著未來的工作量更多。

大多數企業都知道為什么將應用程序和工作負載遷移到云中是有益的。在當今的大數據世界中，云技術是必不可少的。但是，伴隨變化而來的是風險。當IT系統出現故障或無法有效管理時，整個業務都會遭受損失。

大數據投資顯然是有利的，但管理不善可能意味著一團糟。當您知道其他人犯的常見錯誤時，避免數據管理危機就容易了。這樣，您就可以準備好解決方案，而不必花時間在電話上或與團隊進行視頻通話。

考慮到這一點，這里要避免七個常見的數據管理陷阱。

[[384031]]

1.沒有數據保護或治理

所有公司數據在存儲或傳輸時必須是安全的。無論如何，您都需要確保在出現問題時可以恢復。保持警惕，以防出現腐敗，勒索軟件，人為錯誤和其他風險。

在開始數據傳輸之前，您必須確保實施了有效的數據治理框架。這只有在創建管理機構時才有可能，該機構由負責監督適當數據管理，傳輸和恢復的人員組成(如果需要)。

2.將治理視為“項目”

一些組織將數據治理計劃視為傳統項目。數據永遠在變化，流動，并具有多個交互點。因此，標準的項目管理方法不合適。一個 程序的方法效果更好。這樣一來，可以有一系列已定義的獨立項目流，它們都專注于具有不同方法和技能的單個任務。只要有新數據進出組織，該數據的治理就應該持續進行，并且沒有明確的目的。

3.忘記對企業數據的不同解釋

如果數據的定義和使用之間各部門之間存在差異，則可能意味著輸入，處理和報告的質量數據不足。數據質量策略必須結合一般業務人員，數據治理團隊和外部專家。

然后，這些人可以協作定義穩定且普遍認可的定義，以提高數據質量。屏幕共享等現代協作功能使這種協作更加容易。當企業將其數據視為組織資產時，就可以實現數據治理進步。

4.分析不良數據

數據分析對于推進數據集成應用程序是必需的。提取，轉換，加載(ETL)開發人員專門從事數據傳輸。他們研究當前的數據集以清理和處理它們。但是，這只是工作的一半。

例如，如果客戶A將他們的電話號碼添加到郵政編碼字段，則指示ETL從郵政編碼字段中提取電話號碼并將其放在電話號碼字段中。對于您當前的數據集，此方法有效，但是如果將來客戶B做同樣的事情，是否會重復該方法?

如果您不考慮將來的數據集，而僅支持已經存在的數據集，那么將無法正確處理客戶B的信息。您無法預測數據，因此數據集中的靈活性至關重要。為了解決這個問題，在任何項目開始時進行深入分析，就意味著在將來更新ETL的數據清理部分時所花費的時間更少。

做好準備，您的客戶支持團隊將永遠感激不盡。

5.不創建和利用數據質量標準

如果數據評估既受監管又可靠，那么每個應用程序中的數據質量都是更高的標準。此外，基于持續監視和報告的類別的數據質量策略將更易于創建和管理。

6.忽略數據質量路線圖

可以通過收集治理團隊，開發人員，支持人員和業務社區的意見來定義數據質量路線圖。這樣可以確保已定義項目的萬無一失。該路線圖考慮了應用程序的大小，穩定性和時間成本。以及合適的團隊成員是否可以參與合適的項目。然后，所有步驟都具有商業和技術意義。

偏離此路線圖將在將來造成問題。

7.沒有互操作性策略

許多組織正在采用混合基礎架構來優化效率并降低成本。如果是這樣，您必須完全了解數據管理選項以及新策略可能對您的業務產生的影響。

更換供應商有多容易?什么樣的代碼需要重寫?鎖定專有API和服務符合云供應商的最大利益。盡管如此，您和治理團隊仍然有責任確保所有數據和應用程序具有多云功能。這樣，您就可以靈活地進行選擇。

結論

在開始新的數據管理策略時，成功來自于意識到這是一個持續不斷且不斷變化的過程。因此，要慢一些，并采取許多小步驟，而不要減少大步驟。緩慢而穩定在這場比賽中獲勝。