為了更好地監督和管理信息，提高業務運營效率，許多企業開始投資數據治理項目。它的策略和流程是為了在整個企業中產生更準確和壹致的數據，DataSteward需要確保它從理論轉化為實踐。在很大程度上，數據治理策略的成功取決於相關數據專家的努力。從某種程度上來說，建立符合企業現有架構的數據治理管理架構和運營模式是非常重要的。這包括數據管理的所有元素。聽起來很簡單，但實際操作起來困難重重。
當壹個項目要上馬，倉促決定可能達不到預期目標時，數據治理的問題就出現了。例如，如果壹個公司在定義它應該做什麽之前選擇了壹個數據管理池，這將導致嚴重的混亂。另外，那些想草草證明自己進步神速的企業，才是最讓數據專員頭疼的，因為他們要進行元數據調查，做大量無意義的工作。
如何有效地建立和管理數據管理團隊，以便它能夠維護協調的治理活動？本文將給出七條相關建議:
職位正規化。在要求個人擔任數據專家之前，確保有正式的職責分工；確定該職位所需的技能；衡量其績效的指標；如果數據專員不是壹個特殊的崗位，妳還得敲定如何與現有工作結合的細節。
管理角色的精細劃分。數據專員實際上包括很多角色，比如元數據管理員和運營數據管理員。最好能清楚地描述如何區分這些角色，以及員工如何合作來支持數據管理流程。
建立數據的業務所有權。數據專家可能負責與數據治理策略保持壹致，但這並不意味著他們要對數據本身負責。所有權和責任必須分配給適當的業務單位或部門。
與業務保持壹致。作為數據治理項目的壹部分，數據可用性預期是在預期業務改進的背景下制定的，如增加收入、降低成本、降低風險和提高生產率。但是大多數IT和數據管理從業者更熟悉數據管理機制，而不是業務流程。如果數據專員不是來自業務領域本身，那麽應該有關鍵業務領域的專家來幫助他們識別數據問題和確定任務的優先級。
建立獎勵機制。與典型的有明顯結果要交付的項目不同，數據管理的本質是確保能夠應對數據意外，結果可能不是很直觀。所以要建立壹個獎勵機制，讓妳的數據專員認可和獎勵他們。
正確的人做正確的事。由於數據專家的角色仍在發展中，招聘有多年經驗的人可能不現實。而且在很多公司，數據管理並不是全職工作。因此，妳可能需要在內部招聘有管理潛力的人。考慮哪些數據管理技能是必要的，並尋找有價值和良好的溝通技能的員工，他們有信心尋求最佳實踐，並能適應不斷變化的想法。
為數據專家提供適當的工具。雖然數據管理從根本上來說是壹個程序性的問題，但仍然有相應的工具來支持，包括數據質量評估、數據驗證、數據事件報告和管理軟件，甚至數據質量和數據管理記分卡應用。
所有這些步驟都有壹個共同的主題:在設計數據治理和管理項目以使其正常工作之前，應該做哪些合理的努力。完成後，招聘合適的人員，給他們明確的角色定義，讓他們與業務部門保持同步，並為他們提供績效激勵，這將有助於啟動可持續的數據管理流程。