데이터 거버넌스는 다양한 정책과 표준을 통해 조직 데이터의 가용성, 품질 및 보안을 강화해 줍니다. 이러한 프로세스는 데이터 소유자, 데이터 보안 조치 및 데이터의 의도된 용도를 결정합니다.
데이터 거버넌스의 목표는 더 심층적인 비즈니스 통찰력을 위해 안전하고 쉽게 액세스할 수 있는 고품질 데이터를 유지하는 것입니다.
빅 데이터 및 디지털 혁신 노력은 데이터 거버넌스 프로그램의 주요 동인입니다. 사물 인터넷 (IoT) 기술과 같은 새로운 데이터 소스에서 데이터의 양이 증가함에 따라 조직은 비즈니스 인텔리전스를 확장하기 위해 데이터 관리 관행을 재고해야 합니다. 효과적인 데이터 거버넌스 프로그램은 데이터 품질을 개선하고, 데이터 사일로를 줄이고, 규정 준수 및 보안을 보장하고, 데이터 액세스를 적절하게 분배하는 것을 목표로 합니다.
eBook에서는 확장성, 전사적 표준 및 데이터 계보와 같은 데이터 거버넌스 및 개인 정보 보호와 관련된 주제를 살펴봅니다.
watsonx.ai에 구축된 생성형 AI 모델과 타사 플랫폼에 구축된 모델을 관리합니다
생성형 AI에 관한 eBook 등록
데이터 관리 의 범위는 데이터 거버넌스보다 더 넓습니다. 이는 조직의 데이터를 수집, 처리, 보호 및 저장하는 방식으로 정의할 수 있으며, 비즈니스 결과를 개선하기 위한 전략적 의사 결정에 활용됩니다. 여기에는 데이터 거버넌스가 포함되는 동시에 데이터 처리, 데이터 저장, 데이터 보안과 같은 데이터 관리 수명주기의 다른 영역도 포함됩니다. 이러한 다른 데이터 관리 영역도 데이터 거버넌스에 영향을 미칠 수 있으므로 이러한 팀은 데이터 거버넌스 전략을 실행하기 위해 협력해야 합니다. 예를 들어 데이터 거버넌스 팀은 서로 다른 데이터 집합에서 공통점을 식별할 수 있지만, 이를 통합하려면 데이터 관리 팀과 협력하여 이러한 연결을 용이하게 하는 데이터 모델 및 데이터 아키텍처를 정의해야 합니다. 또 다른 예로는 데이터 액세스가 포함될 수 있으며, 여기서 데이터 거버넌스 팀은 특정 유형의 데이터에 대한 데이터 액세스 관련 정책을 설정할 수 있습니다(예: 개인 식별 정보(PII)). 그러나 데이터 관리 팀은 해당 액세스를 직접 제공하거나 해당 액세스를 제공하기 위한 메커니즘을 설정합니다(예: 내부적으로 정의된 사용자 역할을 활용하여 액세스를 승인합니다.
데이터 거버넌스 프레임워크를 구현하면 조직 내 데이터의 가치를 높일 수 있습니다. 데이터 거버넌스는 전반적인 데이터 정확도를 개선하는 데 도움이 되므로 해당 데이터를 기반으로 하는 결과에도 영향을 미칩니다. 이러한 결과는 더 간단한 일상적인 비즈니스 결정부터 더 복잡한 자동화 이니셔티브에 이르기까지 다양합니다. 기타 주요 이점은 다음과 같습니다.
데이터 거버넌스의 이점은 분명하지만 데이터 거버넌스 이니셔티브에는 성공을 달성하기 위해 극복해야 할 많은 장애물이 있습니다. 이러한 과제 중 일부는 다음과 같습니다.