最近有關人工智能的規則和監管受到全球熱議，其中11月27至28日在倫敦舉行的人工智能世界大會（AI World Congress 2023 London），講者多是人工智能市場的頂尖專家，來自WPP、Telus、McKinsey、Kingfisher等知名機構，這喚起人們對人工智能使用風險的關注。
人工智能始於數據。基礎始於數據資料集中學習。因此，人工智能應該是從數據資料治理（Data Governance，簡稱數據治理）開始。到底為什麼我們一開始討論，就是關於人工智能的不良影響的規則和監管，而不是制定數據資料治理的規則。這是不可想像的。
什麼是數據資料治理？
治理的定義為：指導和控制實體的系統。它涉及實體高層決策、問責、控制和行為的結構和流程。簡言之，治理是規則、規範和行動的建構和維持方式。
數據治理常常讓人聯想到某些中央機構或國際機構所建立的規範機制，就是限制和禁止違反布局規則或行為，或沒根據布局規則容許的活動、行動、政策，甚至文化的想法。
實際上：它可以成為（a）擴展整個公司資料可信任管道的使用和（b）發展企業強大的引擎。數據治理策略應該能夠滿足現代公司的複雜需求，還應該使組織能夠以正確的格式和時間向合適的用戶開發和交付「可信賴數據」。
同時，透過到位的數據治理，公司可以自信地確保資料隱私，主動遵守法規，並允許與各個職能部門的資料專業人員協作協調。
數據治理架構是規則、流程和角色委託等三者的集合，可確保組織企業數據資料管理的私隱性和合規性。
數據治理的分析資料又是怎樣？
根據調查《2021年資料調查治理報告與賦權狀況》報告顯示，實施數據治理的傳統原因，迄今沒太大改變，即分析資料權重為（35%）、監管合規為（34%）和更好的決策為（27%）作為首要原因。
然而，最新研究顯示，提高資料安全性（48%）和資料品質（45%）成為最重要的兩個驅動數據治理的因素。例如，中國銀行紐約分行於11月第二周遭受網路攻擊；更不用說其他美國銀行了。因此，數據治理安全性變得必須是流程管理。
除了持續的數據激增之外，這些新的主要驅動因素與新冠帶來的安全挑戰的增加相一致，也是57%的受訪者將推進數據治理作為組織的首5名優先事項的主要原因。總體而言，數據治理已經達到了成熟度。87%的組織表示，他們已經制定了資料治理計劃，或正在實施這項現代業務的關鍵原則，比例為49%。
那麼數據治理策略是什麼？
精心規劃的數據治理架構：可以描述為涵蓋策略、戰術和營運角色和職責。它確保資料可信賴、記錄齊全、易於在組織內查找，並保持安全、合規和保密。說起來容易，實施起來卻很難，尤其是監測和審查一項。
精心規劃的數據治理架構涵蓋策略、戰術和營運角色和職責。它確保資料可信賴、記錄齊全、易於在組織內查找，並保持安全、合規和保密。
框架最重要包括：
- 一致的資料視圖和業務術語表──術語表重要性是避免公司內部溝通產生誤解。
- 同時為各個業務部門的需求提供適當的靈活性──靈活性是避免公司操作延遲的手段
- 確保數據品質、準確性、完整性和一致性的計劃──操作反應敏捷。
- 一種先進的能力，可以了解與關鍵實體相關的所有數據的位置，使數據資產可發現、可用，並且更容易與業務成果聯繫起來──確保增加智力和智慧。
換句話說，單一版本的事實使整個企業的關鍵業務實體保持一致。
在整個組織中應用的資料資產和資料管理可以的明確定義的方法和最佳實踐。根據法律或監管要求，輕鬆存取並保持安全、合規和保密的數據。
最後：數據管理和數據資料合規性之間會有什麼主要的區別？
區別在於它們的範圍：
- 數據資料管理是一種IT實踐，涵蓋組織在整個資料生命周期中的實踐。
- 數據資料治理策略是相關的業務實踐，定義如何在整個組織中處理資料，以確保隱私和合規性
簡單來說，沒有「數據治理策略」也可以有數據資料管理（儘管不建議），但沒有數據資料管理就不可能有資料治理。
