到目前为止，许多组织都致力于通过分发技术、基于访问的分析交付机制和AI功能来规范数据的使用和消费。但是，随着数据保护法律和法规的健全以及企业对数据保护和隐私的认识，很多公司已经对数据收集的正规化进行管理。实际上，这是数据生命周期的第一个阶段。
一、从正规渠道收集第三方数据
从源头管理数据质量：在众多的内部和外部数据中，统一数据质量规则将为采购正确的数据带来一致性。未来，基于AI数据规则发现技术的使用将有所增加，这将使数据管理人员更容易修复大规模的不良数据。例如，手机号码的有效性规则在所有从合作伙伴处收集数据时都可以保持一致。即使数据是孤立的，这种方法也消除了数据质量监控中的歧义。
-使用AI测量精度—干净的数据是从机器学习功能中获得价值的关键需求。数据的规模和多样性也是AI应用的一个重要的方面；
-数据质量和数据治理也可以最大化AI的价值。
分类和标记合法数据：通常组织需要将从第三方收集的数据分类为私有数据和禁止复制数据。数据保护最佳实践建议最大限度地减少从客户收集的数据，以减少数据安全风险的范围。
加强的客户信任：随着与客户之间建立信任，他们将更加乐于为您提供其他禁止拷贝的数据，以改善所获得的服务和产品。例如，如果要去欧洲旅行，我将提供旅行日期和要到的银行地点。这样一来，银行就可以为我提供一张外汇卡，并可以进行国际交易和增加卡的限额。
所有权和管理权：对于大多数数据所有者而言，数据所有权通常不是全职工作，而对于数据管理员来说却可能是全职工作。越来越多的组织采用专职管理人员进行管理。
二、提高数据意识和素养
有关上下文数据、数据流程、最佳配置技术以及支持这些自助服务方法的工具的知识对于使数据民主化至关重要。但是，随着技术的进步，包括虚拟化、自助服务发现目录和数据传递机制，内部数据使用者可以在更短的周期内获得和提供数据。年，组织平均花一周到三周的时间来配置来自多个源的集成在内的复杂数据。
此外，数据意识的增强将帮助数据消费者发现更多可用的暗数据，这些数据可以提供预测性见解，从而创建可以推动业务模式创新的场景。
衡量数据管理的收益并与价值链保持一致：数据素养实际上改变了企业所有者对必须主动管理和治理数据的态度。通过定义数据或修复质量差的数据来主动管理数据是有很大好处的。但是，需要一个价值实现框架来积极管理数据和服务。
数据伦理：将数据隐私和数据共享结合起来可以在业务生态系统中推动创新，同时释放数据的经济价值。对于任何完善的组织而言，第一步就是建立一个可以很好地治理和管理数据的受控环境。该活动将进一步增强对由营销等各种职能部门管理的内部数据的信任，并营造一种“以数字和以客户为中心”的共享文化。
众所周知，数据治理将对公司治理产生一系列积极影响，与此同时，组织外部的人们开始信任组织作为其数据的管理者。尽管组织要么是数据的控制者，要么是数据的处理者，但是组织可以被视为具有道德责任，负有维护数据完整性的责任。
数据保护：随着政府对数据保护和治理政策的日益