完成分析后，下一步就是应用数据质量规则来验证字段或标记错误。然而，开始数据治理需要解决重大的文化挑战。事实上，最近大多数数据专业人员 学习 德雷塞尔大学勒博分析中心的研究人员表示，文化问题是数据治理的主要障碍。
原因是，当业务用户提前参与时，数据治理最成功。他们知道 数据管理员 您需要在编目元数据时应用业务上下文和业务逻辑，了解这些数据资产是什么。这需要数据管理员和销售组织中的 白俄罗斯电话号码数据 业务合作伙伴之间的协作，这可以追溯到我们的管道项目。数据治理工具可以协助这一过程，既可以作为所收集信息的存储库，也可以促进两个组织之间的工作流程。
它们表明项目后端对业务用户具有重大价值。最终，您希望拥有 数据目录 业务用户可以登录，确定哪些数据存储库将进入该管道报告，并可视化关系和所有权。他们还可以深入挖掘以找出可用的字段、每个字段的定义以及每个字段的数据质量指标。
有了这种易用性，业务用户就能够以前所未有的方式访问和交互数据。真正让我们感到鼓舞的是，看到组织更加积极地考虑数据质量并将其与数据治理结合起来。通过这些努力，组织可以实现数据完整性（即数据准确、一致，并与其业务背景相符），并信任其员工做出的数据驱动业务决策。