了解Microsoft Purview 统一目录

提示

新的统一目录体验正在跨环境推出。 如果尚未看到,检查区域的计划。 请确保已 升级到新的 Microsoft Purview 体验的企业版本 ,以便在你所在区域可用时访问新体验。

Microsoft Purview 统一目录的目标是不仅为数据治理提供平台,而且还要推动组织中的业务价值创造。

从历史上看,数据治理一直是一种防御机制,一种确保数据安全合规的方法。 但良好的数据治理使数据对用户更加可见,并提供了许多机会来使业务与推动数据重新统一。

最重要的是,所有这些新功能都在单个集成 SaaS 框架中提供。 用户无需在应用程序之间切换来实施良好的数据治理。 我们正在努力实现一种解决方案,其中所有内容都位于一个位置,为数据使用者、数据专员和数据所有者提供体验。

AI 时代的数据治理

这个人工智能时代意味着我们拥有比以往更多的数据、更多的使用方式,甚至更多的动力来确保数据得到正确使用和保护。 这是许多组织已经苦苦挣扎的任务,而没有增加使用 AI 工具的复杂性。

管理整个组织的数据需要严谨和灵活性。 干净、安全的数据需要一致性,但团队的需求在访问和管理上是独一无二的。 因此,我们相信联合治理方法:提供一个集中的位置来开发数据安全性、质量和标准,但提供用于创建自助服务访问控制、可发现性和维护的工具。 联合数据管理将所有权分散到整个业务中,减少瓶颈,并鼓励参与管理、治理、使用和应用数据的生命周期。

数据治理不仅仅是一个守门函数,如果实践得当,它还会加速数据价值创造。 数据用户、利益干系人和主题专家对组织的数据到日常运营有重要见解。 良好的数据治理可以应用这些专业知识来合理缩放整个组织(包括非技术职能和业务用户)的数据治理实践。 换句话说,良好的数据治理利用你的整个团队,并将你的数据与你的每日数据业务功能相匹配。

关键是既要揭示数据的业务价值,又在组织和数据资产增长时简化其管理。 下面介绍了它如何为业务的每个部门提供帮助:

  • 对于组织范围的数据使用者:

    • 数据发现 - 帮助你轻松找到所需的数据
    • 安全访问 - 促进对数据的安全访问
    • 数据理解 - 提供在使用之前和使用时需要了解的数据
  • 对于数据所有者和专员:

    • 数据策展和管理 - 帮助你提供易于理解且易于安全访问的高质量数据,供组织范围内的应用程序使用
    • 负责任的数据使用 - 有助于确保目标用户将数据用于预期目的
    • 影响分析 - 了解影响数据的操作异常状态
  • 对于数据官员和 CxO 利益干系人:

    • 数据价值创造 - 最大程度地利用数据创造价值,同时减少运营支出
    • 数据资产标准化 - 通过联合责任跨数据资产创建通用控制措施,使数据正常运行且安全。

使用Microsoft Purview 统一目录进行治理

借助新的Microsoft Purview 统一目录体验,可以浏览和了解按治理域分类的数据、搜索 AI 支持的警长,并订阅配备了你所需的所有数据和工具的数据产品,以便安全访问这些数据。 在过去的几年里,我们投资了一个强大的平台,该平台包含所有数据资产、元数据及其世系的清单,以便你可以了解数据资产的地形。 现在,我们提供了更好的工具来管理数据的增长,并提供更多的点将这些数据呈现给业务,以在日常中利用这些数据。

下面是Microsoft Purview 统一目录为满足这些数据治理基础知识而提供的工具:

数据治理原则 目录解决方案 说明
数据访问 - 快速提供正确的访问并强制实施正确的使用,以平衡安全性和创新。 统一目录访问策略 提供用于管理自助访问请求的工具,这些请求将数据与合规性标准和正确使用要求配对。
关键数据元素 针对要跨数据资产应用的关键信息类型建立访问策略。
术语表术语 将访问策略与业务词汇一起附加,以提升使用权限。
数据管理 - 组织、批注和发布数据,以便安全访问、可重用和保护数据。 治理域 按业务概念组织数据,使数据更易于访问和分配所有权。 ​
数据产品 对相关数据资产进行分组,以便用户可以轻松找到完整的数据图片。
运行状况操作 采取措施,使数据达到良好的治理标准。
数据发现 - 用户可以找到日常业务和创新所需的数据。 搜索 & 浏览统一目录 按治理域、数据产品、关键字 (keyword) 搜索,或使用 AI 支持的副驾驶查找所需内容。 ​
自助访问请求 通过单个请求从统一目录获取对所有数据的访问权限。 ​
数据运行状况 - 数据质量标准在整个资产中维护,并且有一个活动的数据生命周期,使数据保持最新和安全。 运行状况管理 现成的报告一目了然地提供数据资产的状态和数据治理进度。
关键数据元素 跟踪重要信息以标准化和治理使用。
数据质量 从上到下设置质量规则以简化分发并提供快照进度跟踪。
运行状况控件 了解数据资产如何达到治理标准。
OKR 将数据运行状况和治理目标映射到业务目标。
数据理解 - 数据具有质量描述符,可帮助用户了解数据是什么以及应如何使用这些数据。 数据产品 为一组数据资产提供业务上下文。
术语表术语 将日常业务词汇附加到数据资产。
OKR 将数据使用情况直接链接到业务目标。

入门

准备好开始使你的信息清晰、有价值且可供业务用户访问吗? 我们创建了一个指南,将你从零带到完全集成的统一目录:开始使用Microsoft Purview 统一目录。

统一目录功能

现在,你已了解统一目录如何支持良好的数据治理实践,以及这些功能如何促进数据治理主体,请更详细地了解这些功能:

  • 治理域 - 一个组织对象,它为数据资产提供上下文,使其更易于缩放数据治理做法。
    • 统一目录访问策略 - 提供对数据产品的安全自助访问。
    • 关键数据元素 - 从逻辑上描述关键业务数据以对其进行管理。
    • 术语表术语 - 提供上下文的活动值,但也应用策略来确定应如何管理、治理数据以及使数据可供发现使用的方式。
  • 数据产品 - 一套数据资产, (表、文件、Power BI 报表等 ) ,为资产提供便于发现和理解的用例。
  • OKR - 从数据中推动业务价值,并直接促进数据治理目标。
  • 数据资产运行状况更新 - 扩展的功能,以提供新的见解并鼓励治理所有权。
  • 数据质量

治理域

治理域允许你通过业务概念(如市场营销或财务)浏览数据。 这有助于使每个人都能更方便地访问数据。 ​

治理域是组织数据资产的新方法。 你希望和需要访问整个数据资产,但单个未分类列表是压倒一切的。 治理域是将数据资产与组织保持一致的边界;将其视为统一目录中的微型目录。

治理域中是定义用户日常工作的 术语 。 (OKR) 目标和关键结果 ,使组织的目标与数据保持一致。 有些 数据产品 可让用户更直接地发现数据。

治理域的目标是组织统一目录,以便它不仅推动健康的数据治理,而且将数据直接与其业务价值和目标联系起来。

有关详细信息,请参阅 治理域概述

访问策略

统一目录访问策略允许你管理对数据产品的访问,并设置一个系统,以便向请求数据的用户提供访问权限。 通过创建自助服务访问机会,同时维护安全性和正确使用标准,促进数据资产的创新和灵活性。 所有统一目录。

有关详细信息,请参阅如何创建和管理统一目录访问策略

关键数据元素

关键数据元素是整个数据资产中重要信息片段的逻辑分组。 例如:“客户 ID”关键数据元素可以将一个表中的“CustID”和另一个表中的“CID”映射到同一逻辑容器。 这些分组可以使数据更易于理解,以及促进标准化。 可以将数据质量规则和访问策略附加到这些元素,以进一步保护数据资产中的敏感信息。

有关详细信息,请参阅 如何创建和管理关键数据元素

术语表术语

如果一直使用 Microsoft Purview,则熟悉术语表术语及其如何为数据资产提供关键业务上下文。 我们已将它们从静态对象带到活动对象,这些对象有助于定义应如何管理、治理数据资产并使数据资产易于发现。 这些术语中的策略允许数据专员跨整个数据资产缩放治理。 应用于数据产品的术语会向下渗透到数据资产,并使用附加的策略自动保护这些资源。

有关详细信息,请参阅 术语表术语概述

数据产品

数据产品是目录组织的一项改进, (表、文件、报表等将数据资产组合在一起,) 用户可以发现它们。 无需再请求访问构建数据模型时可能需要的 15 个不同的表。 一旦一个用户进行研究以创建可行的数据产品,所有其他用户可以从这项工作中受益。 他们可以找到 (,并请求访问) 该产品中的数据,并在一个位置拥有所需的一切。

有关详细信息,请参阅 数据产品概述

OKR

目标和关键结果将数据产品直接链接到目标,以弥合业务与统一目录之间的差距。 使用数据来发现和跟踪业务中的目标,统一目录应该可以轻松查看这些连接并跟踪目标。

有关详细信息,请参阅 OKR 概述

新的数据资产运行状况功能

运行状况管理有一些新功能可供你实施,以增强数据治理策略和管理。

运行状况控件

通过监视运行状况控制来跟踪进度,跟踪完成数据治理的旅程。 运行状况控制根据为数据资产评分的标准衡量当前治理实践。

有关详细信息,请参阅 运行状况控制一文。

运行状况操作

运行状况操作是可以采取的具体步骤来改进数据资产中的数据治理。 这些操作在单个列表中提供,该列表可以重点介绍数据治理过程,并实现所有权的民主化。 完成这些操作将提高数据资产中的数据质量和可发现性。

有关详细信息,请参阅 运行状况操作一文。

数据质量

数据质量使组织能够通过治理域、数据产品和数据资产本身来设置规则。 这些规则在环境中流下,因此可以更好地评估数据资产中的数据。 数据质量分数在资产、数据产品和治理域级别生成,以便全面了解数据资产。

有关详细信息,请参阅 数据质量概述一文。