Transforming from Management to Governance: Navigating Data-Intensive Innovation
数据管理与治理之间的转变是众多科学研究和创新领域所面临的挑战。研究数据管理已经成为科学家和研究人员在研究中运用数据的标准操作。但是，管理仅限于数据生命周期的管理，没有考虑到数据的全生命周期和数据在整个跨学科系统中的影响。
一个更细致的方法是采用数据治理概念，这是一种应用于数据生命周期的方法，使不同学科和不同组织之间可以合理使用数据。数据治理不仅是数据管理，还涉及到数据使用与共享、如何维护数据的质量与完整性，以及如何制定与数据相关的政策和规范等诸多方面。
传统的数据管理精准地管理研究中使用的数据，通常仅在一定时间内进行数据管理。数据治理需要更广泛的视野，将数据作为全学科、跨领域和跨机构的网络。数据治理的基础是与研究人员、数据管理人员、IT团队和研究组织之间的信息共享，从而保持数据的质量和可重复性，并采取措施解决学科和项目之间的挑战。
数据治理的关键是不断地更新和维护数据生命周期，以确保数据的完整性、可移植性和可靠性，同时最大化数据的可利用性。数据治理需要综合考虑数据使用和数据共享，尤其是在跨机构和跨国合作中，规范化和保障数据的使用和保护也是不可忽视的因素。
因此，数据治理对于科学和研究的发展至关重要。它将数据从局部、单独的实验室和项目转换为全球科学社区的共享资源。采用数据治理模式可以减少资金、设备和人员的浪费，从而不仅有助于科学家和研究人员们更准确、更快速地进行工作，同时也有助于推动整个科学领域的发展。
随着大数据的快速发展，数据治理在未来的科学研究和工业应用中将扮演越来越重要的角色。只有通过更全面、更内聚、更有组织的数据治理过程，才能确保大数据的安全和可靠性，为科学家和研究人员们提供更多更精准的、可重复性的数据。
了解更多有趣的事情：https://blog.ds3783.com/