图2. 从事数据处理的专业人员：每周的“无效时间”GDPR中关于数据保护的新条例将迫使企业自主地去搜集、分析并分类数据和信息资产——并且主动获悉可以访问具体资产类别的主体，在何时、何地、为什么要访问这些数据，以及如何进行访问——这些数据信息为那些处理数据的专业人员更有效并高效地使用数据提供了的机会。智能数据系统还可以优化数据操作——它将为企业在下列流程中提供高效的信息支持：诸如数据访问控制、数据授权及策略使用、数据加密、数据屏蔽和保护的决策，在何处定位数据，以及为保证企业的正常持续经营而在高价值数据资产上的处理方式等。此外，智能数据系统还可以用于提高数据质量的状态，因为它有助于数据管理员剖析数据的维度和形状，从而发现数据重复、数据不一致、数据错误以及数据及时性与完整性的属性。企业可以通过下列渠道扭转人们对于数据治理的消极态度——一方面，通过智能数据系统实现数据赋能，以支持企业管理；另一方面，通过一组数据性能指标（DPIs）来展现数据管理的投资回报；上述指标包括但不限于：员工生产率、数据质量分数、数据操作成本、业务连续性和数据技术遵从性。 数据治理的发展趋势最近的一项IDC数据治理成熟度基准调查发现，在低成熟度水平下蓬勃发展的组织更加关注的是组织结构、流程、人员和愿景，而非技术问题。这一发现表明，技术并不是数据治理解决方案的唯一组成部分；很多时候，由于人们过于关注技术，一些新的数据治理提议往往就被扼杀在了摇篮里。然而，该研究同时表明，与那些勉强能维持生存的组织相比，数据治理成熟度较高的组织通常拥有更高的技术投资水平。因此，技术成熟度曲线的定位对于企业的成功变得尤为重要。之前数据治理尝试失败的另一个原因在于——所谓的智能数据是由人工创建并维护的：图2中提到的同一调查还发现，电子表格、自定义软件、文档以及口头传述是最常用的数据编目方法。无论是在业务还是在技术层面，手动流程都无法跟上变化的步伐；况且，当前我们身处数字化转型的时代，在日益复杂的技术和营商环境中，这种变化只会越来越迅速且持久。“由谁来负责数据？”是一个被人们问了几十年的问题，其答案往往指向IT部门，或者也同时存在“每个人都对数据负责”这样的说法。如果每个人都有责任，那实际上就没有人来负责。理论上，企业自身应拥有数据，但实际上需要业务和IT部门之间的协作来管理、掌握和提高整个组织的数据完整性水平。在企业管理层中，首席数据官（CDO，chief data officer）的角色可称之为自上而下地维护数据；但是，根据IDC近期对25名数据管理人员展开的一项调查，其结果显示，参与调查者有70%的时间都花费在数据合规性、安全性、运营、预期管理以及自我证明（角色合理性）上；而剩下的30%的时间都花在了战略数据规划上。而智能数据软件正是通过提高企业对数据的敏感度，补充相关的数据知识，并实施数据处理自动化操作，使CDO办公室能够作出更好的数据决策，优化数据操作流程，将更多的时间专注于战略性的数据支持工作。在企业里，日常处理数据的员工队伍和职能数量都在日益扩大，并且他们和数据本身一样具有可移动和动态性。数据智能解决方案正在启用并赋能这些角色，并帮助他们在最佳时间将正确的数据交付给正确的人。通过技术、语义和业务元数据对数据进行增强,增加关键的知识元素,以便更好地理解数据和数据的使用情况。数据中固有的关系也正在被人们逐一揭示，以帮助资源挖掘到新的相关性，更好地知悉与变化相关的风险与影响。这些情报中的绝大部分都被数据目录软件所捕获，在这些软件中，我们不仅可以执行互联网式的数据搜索，协作通信功能还可以改善数据用户之间的通信情况，而众包则提供了企业高价值数据资产的知识。（译者注：众包就是企业利用互联网将工作分配出去、发现创意或解决技术问题；众包的产生得益于信息技术的革命、多样化的市场需求和互联网的飞速发展via百度文库。）
