數據治理側重於提供可信和安全的信息，這有助於做出明智的業務決策、有效的業務流程和優化利益相關方的互動。因此，數據治理本身不是壹個結果，而只是壹種方法:即通過數據治理來支持最關鍵的業務目標。正如壹家大型銀行的高管所說，“沒有數據治理，任何元數據管理方案都註定要失敗。”作為壹項重要的功能，元數據管理使IT部門能夠管理復雜數據集成環境中的變化，同時提供可靠和安全的數據。當業務涉眾參與到這個過程中並接受數據參考框架的責任時，它的優勢將變得更有說服力。此時，企業可以在基層將業務元數據與技術元數據關聯起來，為整個公司內部的合作提供壹個詞匯和背景信息。
例如，當壹個業務用戶要求他在IT部門的合作夥伴在報告或分析中顯示“凈收入”時，沒有必要問“哪種凈收入-財務、銷售或營銷？”除了提供其他優勢，良好的元數據管理還可以通過消除以下重要問題來促進數據治理:
這個商業術語是什麽意思？
(幾個類似的)商業術語應該用哪壹個？
這個術語的由來是什麽？
數據從數據源傳輸到目標時是如何轉換的？
誰負責這個術語的定義、記錄和管理？
誰修改了這個術語？怎麽修改，什麽時候修改？
什麽政策和規則適用於這個術語？(示例包括數據質量規則、安全篩選規則、歸檔規則和數據保留策略)
修改環境中的特定數據對象會對其他數據對象產生什麽影響？
在不影響可能使用相同數據對象的其他報告和分析的情況下，實施環境更改需要多長時間？壹系列公司方案推動了數據治理的進步，也帶動了元數據管理。這些方案包括:
通用業務術語表(簡單的數據管理)。這種“小範圍試水”的方法，針對的是某個具體問題或者業務部門的通用業務詞匯。
全面的數據治理(或數據管理策略)。這是壹種更近似自上而下的方法，通常用於涉及企業內部壹系列業務部門的大型計劃，針對多階段(如果不是更長)管理的計劃中的多個業務機會。
合規。此類計劃是由遵守國際、國家、地方或行業法規的需求驅動的。法規遵從性——通常由治理、風險和法規遵從性(GRC)職能部門管理，這顯然與數據治理密切相關。在發現、分析和記錄大量企業內部數據治理要求的同時，it還必須與適用的外部法規的相關特定要求相協調。壹些例子包括:
銀行業:新巴塞爾協議、新巴塞爾協議、多德-弗蘭克法案和反洗錢法案。
保險業:償付能力II(Solvency II)
醫療保健:高科技法案
壹般金融服務:薩班斯-奧克斯利法案
元數據管理。這是通過上壹層樓的實踐，將元數據管理和數據治理作為“最佳實踐”與各種新的業務方案聯系起來。該方案定義了業務案例和項目範圍。在許多未能成功實施大規模數據治理方案的公司中，這種方法取得了成功。幾乎所有企業？面對管理數據的數量、速度和種類的挑戰。Hadoop/MapReduce技術在復雜數據分析和以相對較低的成本實現最大數據擴展方面提供了壹些有趣的優勢。Hadoop不太可能在不久的將來取代關系型DBMS，兩種技術更有可能共存，因為它們有各自獨特的功能。盡管用於管理和分析數據的技術可能不同，但元數據管理和數據治理的目標應該始終保持不變:提供可信、及時和相關的信息來支持良好的業務決策。不存在所謂的“大數據治理”或“大數據元數據管理”——相反，這是壹個將全球企業數據治理和元數據管理活動擴展到包括全新的數據類型和數據源的問題。
Hadoop帶來的挑戰之壹是元數據管理。如果沒有良好的元數據管理和數據治理，Hadoop將缺乏透明度、可審計性以及數據標準化和重用。企業仍將需要與數據相關的關鍵信息的可見性，如其來源、質量和所有權，否則他們將不得不承擔Hadoop成為環境中另壹個數據孤島的風險。該領域出現的HCatalog、Hive /HiveQL等新技術，將使從非結構化和半結構化數據中收集元數據變得更加容易，從而在Hadoop上實現數據繼承。這些功能對於將Hadoop集成到整體數據集成框架中非常重要，從而避免大數據被孤立在企業中，像其他任何數據源壹樣被管理。Informatica可以提供壹個功能齊全、健壯可靠的工具，具有提供可靠安全的數據和啟動成功的元數據管理方案所需的所有精確功能。元數據管理器和。BusinessGlossary提供了獨特的優勢，使IT經理能夠在實現變更時最小化損壞關鍵業務數據的業務風險。
信息元數據管理器。業務術語表是Informatic CapowerCenter標準版的關鍵組成部分之壹。它可以提供為數據治理解決方案奠定基礎所需的核心元數據管理工具。元數據管理器和。Business Glossary是壹個配備了元數據存儲庫的單壹產品。它為兩種不同類型的用戶提供了兩種用戶界面:
元數據管理器允許IT人員處理技術元數據。
Business Glossary使業務和IT管理員能夠協作管理業務元數據。
itss WG 1發布的白皮書顯示，
數據治理模型包括三個框架:範圍、影響因素以及實施和評估。它們的每個方面都包含許多組件來顯示和描述它們是如何工作的。該框架顯示了數據治理中的邏輯關系。範圍顯示了我們應該註意什麽，貢獻因素顯示了數據治理的驅動因素，實施和評估顯示了如何實現治理。DG模型可以通過三個框架幫助我們理解數據治理。
數據治理的範圍包括四個層次。首先，應該有壹個治理元素負責管理其他管理元素，以保證治理和管理的壹致性。其次，以下三個層次分別列出了需要治理的數據管理要素，其中價值創造層列出了通過數據治理創造的價值服務。價值保證層描述了組織管理數據時的壹項重要保證服務。基本數據服務層描述了用於數據治理的基本數據服務。