【IT168技术分析】
    针对如何建立完整的客户视图，创建有效的企业和客户的交流渠道，IT业界提供了大量的针对客户信息管理的方案，包括：主数据管理[MDM]、客户数据集成[CDI]和数据仓库[DW]等。通过这些方案的实施，力图拓展企业在：扩大销售机会、裁剪/优化客户服务过程、恰当的分配销售资源等方面的能力。总而言之，客户信息管理系统的目的是在满足法律、法规的约束下最大化企业利润的获取能力。

    高质量的数据是构建完整客户视图的关键因素。获得高质量的客户数据，正确的软件技术的选择是成功的必要条件之一，同时它更需要执行一个繁杂的数据治理[Data Governance]过程来组合:软件技术、执行层的承诺、数据质量管理过程/度量、变更管理过程等这些技术和流程。在这里我们主要就数据治理中数据质量管理的问题进行讨论。一个常见的情形是:绝大多数数据的生产者都认为他们的团队正在提供高质量的数据，并且这些数据在他们的系统中也正在非常正常的运行着。但是，数据的最终用户却认为他们无法获得高质量的数据。这就我们的疑惑：为什么的好的数据会变得如此糟糕？ 

   当我们需要建立一个公司范围的客户管理信息系统时，面对的问题是，搜集所有的客户数据、合理化这些数据，并对这些数据进行维护。但，每一条数据都是在某一时刻为特定的目的而生成的，这些数据的所有者对数据质量的关注通常限于对自身关键的活动关注，从而针对自身特定的需求来定义他们的数据质量标准，例如：邮件促销的执行部门关心客户的地址和姓名，但不会特别关心客户的电话号码的问题；销售人员的录入的客户数据，可能不会留意客户的住址等等，诸如此类的问题。因此，当我们试图整合这些来自不同执行部门数据的时候，在原来部门运行很正常的数据开始变得漏洞百出了。 

   我们的数据问题描述起来非常简单，客户集成软件定位这些存在的问题也是容易实现的。但，如何保证未来的数据的质量的问题， 问题仍然是存在的。改善这个问题，就需要数据的生产者，数据的使用者在搜集和维护客户数据的时，改变传统的方式，以便更好的支持部门自身和兄弟部门当前、未来的的业务流程。 

   数据治理[Data Governance]是在企业的范围内解决数据质量问题的一个有效方案。 数据治理关注于数据管理方式的变革，也关注于数据清理和维护软件的可用性。任何一个会影响整个组织或公司的变革都是值得，并需要关注的。数据管理方式的变革要求是一个有计划、有交流和有培训的变革。数据治理首先应该清晰地声明（Statement）这个变革过程对组织整体、对贡献数据、资源和预算的团体的收益能力。有效地实施数据治理要求有一个完善的关于如何有效的搜集和维护数据的计划；如何执行这个计划才能为组织整体带来最大的收益。这个计划也应该是针对组织内生产和管理数据的所有部门的计划。最后，需要建立一个沟通程序，不断的更新数据治理过程的成功故事和它带给组织的收益。 

   数据治理需要好的软件、好的工具来定位和管理数据质量问题。同等重要的，它也需要企业的管理层、数据生产者和数据使用者的对这个过程的承诺。数据治理是一个没有结尾的过程，人是这个过程成功的关键因素。