尝试在没有全面的数据沿袭解决方案的情况下管理治理，可能会让您感觉数据一直在流失。在数据和元数据移动时，跟进并不容易。成功的治理经理和数据管理员利用数据沿袭工具，通过四个关键方式将治理水平提高了百倍，我们将在下文中探讨。
4 种方式让数据系谱工具改善数据治理
1. 纠正错误
保持数据质量是数据治理的关键目标。您有责任确保管理层和业务用户根据准确的信息做出重要决策。
如果发现错误数据，当然要尽快删除并替换。但如果您持续不断地事后纠正错误，而不是解决错误的根源，您将在那个数据领域里不断地除草。从长远来看，识别错误在系统中引入的具体位置并从源头修正会更有效。
全面的数据沿袭工具使您能够追踪任何数据点的旅程，从上游到起源，从下游到目标，并检查数据在这一过程中经历的每个转换过程。
对于有缺陷的数据，您可以利用数据系谱快速进行根本原因分析，从错误最初出现的起点倒推，找出数据从准确到有缺陷的阶段和/或过程。然后，您可以从根源上纠正问题，消除脏数据的扩散，并且无需在您的环境中的任何地方修正这些数据。
2. 紧跟细微变化
如果您想在一个变化看似缓慢的行业工作，不妨试试古生物学。当您在数据治理领域工作时，变化是持续且快速的。技术不断发展，源系统不断发展，您的数据集结构会根据数据带来的新业务需求进行调整，计算方法也会改变，等等。
所有持续的小变化都需要反映在您的数据治理平台中，否则您很快就会积累大量无序的数据。如果由人工手动更新数据治理平台，就很容易出现漏洞。
另一方面，用于数据治理的自动化数据沿袭工具会定期自动遍历所有元数据，并记录任何新增、删除或更改。然后，他们会将新的字段、计算或其他元数据更新到您的数据治理平台。
借助自动化数据沿袭解决方案，您可以专注于管理和治理数据，而不是追踪数据。
3. 为重大变更做好准备
合并、迁移和过渡——天哪！大多数数据专家在其职业生涯中都可能经历过（如果不是主持的话）至少一次这样的重大事件。
过渡通常是不可避免的。而且，除非您预见到为适应新系统所做的更改将对当前工作流程产生何种影响，否则它不可避免地会破坏您业务中任何涉及数据及其结果的工作——从治理到商业情报再到业务。
除了使用水晶球以外，这种前瞻性只能通过创建当前系统和数据流的完整可视化，将其与新系统的预期布局和流程进行比较，并规划如何从一个系统平稳过渡到另一个系统来实现。
这通常还需要不同部门成员之间进行大量沟通，告知他们即将发生的变化，并询问这些变化将如何影响他们、他们的数据和流程（然后希望他们能及时回应）。人工完成这一过程通常需要整个数据部门花费数月时间。
此外，即将到来的重大转变也是一个机会——一个通过修剪休眠字段、合并重叠定义和检查流程结果一致性来提高数据治理效率的机会。但是，要利用这一机会，可能需要数月的手动映射工作，才能为简化数据管理的真正工作做好准备。
自动化数据系谱工具可以将那几个月的手动影响分析缩短为几天，甚至一天。这才是真正的效率。自动化数据系谱工具的一小步，数据治理的一大步。
4. 设置
我们来回顾一下贵公司拥有全新企业数据治理平台的那一天：恭喜！这个平台一经建立，就会为您的公司创造奇迹。但说起来容易做起来难。
数据治理平台通常内置数据目录，设置时要将您计划治理的所有元数据填充到该目录中。这个过程通常需要数月甚至更长时间。然而，使用自动化数据系谱工具，您可以在午餐休息时间设置整个数据目录。
如上所述，全面的数据沿袭解决方案在初始清理之后并不会停止工作。它定期刷新，将任何元数据更改或添加更新到您的数据治理平台，这样您就不必危及与任何其他部门的工作关系，也不必不断提醒他们在每次更改字段、流程或报告时更新您或平台。
在数据治理中选择合适的数据谱系工具
并非所有自称“数据沿袭”解决方案的方案都能实现上述所有功能。一些工具带有内置的自动化数据沿袭功能，但仍然需要大量的手动操作（并且令人头疼）。因此，评估解决方案以确保它们提供所需的全部功能和元数据管理非常重要。
为此，请申请演示，开始使用 Cloudera Octopai 数据系谱——这是一款自动化系谱解决方案，能够执行这些功能，提升您的数据治理水平。
