مدیر حاکمیت داده
Data Governance Manager
مدیر حاکمیت داده (Data Governance Manager) برنامه‌ای را اداره می‌کند که روشن می‌کند هر دادهٔ مهم سازمان مالک چه کسی است، چه تعریفی دارد، کیفیتش چطور سنجیده می‌شود، از کجا آمده و چه کسی حق استفاده از آن را دارد. ابزار کار او کاتالوگ داده، قواعد کیفیت، lineage، طبقه‌بندی داده و شبکه‌ای از data stewardهاست. در آگهی‌های ۲۰۲۶ کار تازه‌ای هم به این نقش اضافه شده است: آماده کردن داده برای AI و، در بسیاری از شرکت‌ها، ثبت و ارزیابی کاربردهای AI.
مقدمه و تعریف شغل
مدیر حاکمیت داده (Data Governance Manager) مسئول این است که داده‌های مهم سازمان قابل اعتماد، فهمیدنی و درست استفاده‌شده باشند. در عمل یعنی تعیین مالک و steward برای هر حوزهٔ داده، نوشتن تعریف‌های مشترک، تعیین و پایش قواعد کیفیت، ثبت metadata و lineage در کاتالوگ، طبقه‌بندی دادهٔ حساس و گزارش وضعیت به مدیران. آگهی Laing O'Rourke این نقش را «پل میان سیاست و عمل» می‌نامد و D.R. Horton از آن می‌خواهد قابلیتی بسازد که «دادهٔ قابل اعتماد، AI مسئولانه و تصمیم‌گیری مطمئن» را ممکن کند. این کار بیشتر برنامه‌ریزی، هماهنگی و جلب همکاری است تا ساختن pipeline، اما بدون SQL و فهم پلتفرم‌های داده هم انجام نمی‌شود.
طبق ITJobsWatch، در ۶ ماه منتهی به ۲۳ اکتبر ۲۰۲۶، ۱۳۳ آگهی استخدام دائم با عنوان Data Governance Manager در بریتانیا منتشر شده و میانهٔ حقوق اعلام‌شده در آن‌ها ۶۸٬۶۵۸ پوند بوده است (در لندن ۸۵ هزار پوند). همین منبع نشان می‌دهد AI در ۲۲٫۶٪ این آگهی‌ها آمده، کیفیت داده در ۳۹٫۸٪ و GDPR در ۲۳٫۳٪. دلیل ورود AI به این شغل را Gartner در فوریهٔ ۲۰۲۵ این‌طور توضیح داد: در نظرسنجی آن از ۱٬۲۰۳ مدیر مدیریت داده، ۶۳٪ سازمان‌ها گفتند رویه‌های درست مدیریت داده برای AI را ندارند یا مطمئن نیستند که دارند. آگهی‌های ۲۰۲۶ همین را نشان می‌دهند: NFU Mutual از مدیرش «دادهٔ آماده برای تحلیل و AI» می‌خواهد، Veeam برنامه‌ای «AI-ready و ایجنتی» می‌سازد و Mercury و WestJet ثبت و ارزیابی کاربردهای AI را در همین نقش گذاشته‌اند.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک مدیر حاکمیت داده
مدل عملیاتی حاکمیت و شبکهٔ مالکان داده
در D.R. Horton مدیر مالک برنامه، مدل عملیاتی، ابزار و تیم است و موفقیت را با پوشش مالکیت، کیفیت و metadata می‌سنجند که باید هر فصل بهتر شود. در OMERS همین کار با کمیتهٔ حاکمیت داده انجام می‌شود که نقش‌های مالک، steward و custodian را رسمی می‌کند.
کاتالوگ داده و گواهی دارایی‌ها
Justworks مالکیت کاتالوگ Atlan را به مدیر حاکمیت داده داده است: درست و کامل نگه داشتن metadata و glossary و گواهی کردن دارایی‌ها. تیم حاکمیت حق دارد گواهی دارایی‌ای را که به استاندارد نمی‌رسد ندهد یا پس بگیرد.
قواعد کیفیت و امتیاز اعتماد به داده
Veeam سیستمی می‌خواهد که داده را پیوسته با ابعاد کیفیت و حاکمیت بسنجد، به آن «Trust Tier» بدهد و ریسک‌ها و اقدام پیشنهادی را در گزارش روزانه و گزارش KRI مدیران نشان دهد. AHEAD هم معیارهای تازگی، کامل بودن، اعتبار، سازگاری و پایداری را برای محصولات داده تعریف می‌کند.
lineage و metadata از منبع تا AI
در Veeam باید قابلیت خودکار کشف داده و lineage ساخت تا معلوم شود اطلاعات از سیستم‌های سازمان چطور از Databricks Lakehouse به گزارش‌ها و برنامه‌های AI می‌رسد. Sysco کاتالوگ را «مرکز عملیاتی» metadata و lineage هر خوشه از حوزه‌های داده می‌داند.
فرایند ورود و ارزیابی کاربردهای پرریسک داده و AI
Sysco پرسشنامه‌ای می‌خواهد که به هر پروژهٔ تازه امتیاز ریسک بدهد و عمق بازبینی را تعیین کند، و اختیار توقف استقرارهایی را که به آستانه نمی‌رسند. WestJet از مدیرش می‌خواهد کاربردهای AI را از مسیر ورود، خرید، تحویل و ریسک موجود عبور دهد و ارزیابی، طبقه‌بندی ریسک و تأیید آن‌ها را هماهنگ کند.
خودکارسازی کار حاکمیت با AI
Veeam صریحاً نوشته نقش مدیر ارشدش اداره کردن سیاست یا نگهداری کاتالوگ نیست؛ او باید ایجنت‌های AI و pipeline هایی بسازد که پایش کیفیت، نقشهٔ lineage و بررسی گواهی را به جای انسان انجام دهند. Justworks هم از مدیرش استفاده از AI برای غنی کردن metadata و خودکار کردن کار حاکمیت را می‌خواهد.
تخصص‌های مختلف مدیر حاکمیت داده
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
مدیریت کیفیت داده
Data Quality Management
تمرکز روی قواعد کیفیت، scorecard و رفع خطا. در آگهی‌های اکتبر ۲۰۲۶ عنوان‌هایی مثل Data Quality Analyst در ICF و Data Quality & Governance Analyst در Oracle دیده می‌شود و BNY نقش خط اول دفاع برای خطاهای کیفیت داده را با ساختن ابزارهای AI ترکیب کرده است.
حاکمیت metadata، کاتالوگ و محصولات داده
Metadata, Catalog & Data Product Governance
تعریف اینکه یک محصول داده پیش از انتشار چه اطلاعاتی، چه کیفیتی و چه گواهی‌ای باید داشته باشد. AHEAD این نقش را Data Product Governance Lead می‌نامد و از او مالکیت نقشهٔ راه کاتالوگ، lineage و گواهی را می‌خواهد.
حاکمیت داده و AI
Data & AI Governance
گسترش برنامه به ورود، ارزیابی و ثبت کاربردهای AI، حاکمیت ابزارهای AI فروشندگان و AI literacy. WestJet، Mercury و Veeam این ترکیب را در عنوان آگهی آورده‌اند؛ Veeam حتی حاکمیت سرویس‌های MCP و کنترل دسترسی سیستم‌های ایجنتی را می‌خواهد.
ریسک، کنترل و اطمینان داده
Data Risk, Controls & Assurance
رایج در بانک، بیمه و صندوق‌های بازنشستگی. NFU Mutual مدیر حاکمیت داده را مسئول اجرای حاکمیت، کنترل و assurance در حوزه‌هایی مثل مشتری، خسارت و مالی می‌کند و OMERS برنامهٔ حاکمیت دادهٔ سرمایه‌گذاری را با تمرکز بر کاهش ریسک داده پیش می‌برد.
حاکمیت استفاده از داده و حریم خصوصی
Data Use & Privacy Governance
تعریف اینکه داده چطور دسترسی، استفاده و به اشتراک گذاشته شود. در Omnicell این نقش در واحد حقوقی است، به Assistant General Counsel – Privacy, AI, and Data Governance گزارش می‌دهد و برنامهٔ رسمی استفاده از داده و de-identification مطابق HIPAA را می‌سازد.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
CDO در سطح مدیریت ارشد مالک استراتژی داده و AI در کل سازمان است و حاکمیت داده یکی از ستون‌های کار اوست؛ صفحهٔ مدیر ارشد داده حاکمیت را هستهٔ مشترک همهٔ آگهی‌های CDO می‌داند. مدیر حاکمیت داده همان برنامه را می‌سازد و هر روز اداره می‌کند، معمولاً یک یا دو رده پایین‌تر: در Veeam مدیر ارشد حاکمیت به Senior Director, AI-Ready Data Governance گزارش می‌دهد و در Laing O'Rourke به Principal Lead – Enterprise Data & AI Enablement. مسیر رشد از این نقش می‌تواند به رهبری داده و در نهایت CDO برسد.
معمار داده تعیین می‌کند داده چطور مدل، ذخیره و جابه‌جا شود و چه استاندارد فنی داشته باشد. مدیر حاکمیت داده تعیین می‌کند مالک هر داده کیست، تعریف کسب‌وکاری‌اش چیست، کیفیتش کافی است یا نه و چه کسی حق استفاده دارد. دو نقش در metadata و data contract به هم می‌رسند: AHEAD نقش Data Product Governance Lead را داخل تیم پلتفرم داده گذاشته تا الزامات حاکمیت را به معیار پذیرش برای مهندسان تبدیل کند. صفحهٔ معمار داده هم نشان می‌دهد که در برخی شرکت‌ها، مثل Cordance، تعریف‌های واحد کسب‌وکار با معمار است؛ پس مرز تعریف‌ها از شرکتی به شرکت دیگر فرق می‌کند.
متخصص انطباق AI از قانون و از سیستم‌های AI شروع می‌کند: طبقه‌بندی ریسک، تعهدات قانونی و شاهد برای ممیز. مدیر حاکمیت داده از خود داده شروع می‌کند: مالکیت، کیفیت، metadata و قواعد استفاده. در ۲۰۲۶ این دو در برخی شرکت‌ها یک تیم شده‌اند: مدیر WestJet هم چارچوب حاکمیت داده را پیش می‌برد و هم چارچوب حاکمیت AI را، و Mercury یک «Data & AI Governance» دارد که چارچوب سازمانی و فهرست کاربردهای AI مال اوست. صفحهٔ متخصص انطباق هم با آگهی دیگری از Mercury همین تقسیم را نشان می‌دهد: تیم حاکمیت داده و AI مالک چارچوب و فهرست است و مشاور انطباق محصولات را از این فرایندها عبور می‌دهد.
مهندس حریم خصوصی کنترل‌های فنی را در خود سیستم می‌سازد و کد می‌نویسد. مدیر حاکمیت داده قواعد استفاده، طبقه‌بندی و نگهداری داده را تعریف می‌کند و با تیم‌های حریم خصوصی، امنیت و حقوقی آن‌ها را جا می‌اندازد. نمونهٔ مرز در Omnicell دیده می‌شود: مدیر حاکمیت داده در واحد حقوقی، برنامهٔ de-identification مطابق HIPAA را طراحی و اداره می‌کند، که بیشتر طراحی روش و فرایند است تا پیاده‌سازی فنی. صفحهٔ مهندس حریم خصوصی هم نشان می‌دهد که در OpenAI تیم Privacy Engineering معماری حاکمیت دادهٔ کاربران را در اختیار دارد؛ در شرکت‌های فنی این دو کار به هم نزدیک‌ترند.
آگهی Mercury مرز را صریح نوشته است: تیم حاکمیت داده و AI استانداردهای سازمانی حاکمیت و استفادهٔ مسئولانه را تعیین می‌کند و تیم مدیریت ریسک مدل مسئول فهرست، رده‌بندی و اعتبارسنجی مدل‌ها می‌ماند. مدیر حاکمیت با آن تیم هماهنگ می‌کند تا روشن شود یک کاربرد AI کی «مدل» به حساب می‌آید و مشمول الزامات ریسک مدل می‌شود. اعتبارسنج درستی خود مدل را می‌آزماید؛ مدیر حاکمیت به داده‌ای می‌پردازد که مدل با آن ساخته و تغذیه می‌شود.
تأثیر در صنایع مختلف
مدیر حاکمیت داده در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
فین‌تک و بانکداری
در Mercury رهبر حاکمیت داده و AI به مدیر ارشد ریسک گزارش می‌دهد و برای کمیته‌های هیئت‌مدیره گزارش کیفیت داده و پذیرش AI می‌سازد؛ در BNY نقش حاکمیت داده و AI خط اول دفاع برای خطاهای کیفیت داده است
بیمه
NFU Mutual مدیر حاکمیت داده را برای حوزه‌هایی مثل مشتری، خسارت و مالی می‌خواهد تا همراه مالکان داده «دادهٔ آماده برای تحلیل و AI» تحویل دهد
صندوق بازنشستگی و سرمایه‌گذاری
OMERS برنامهٔ حاکمیت دادهٔ سرمایه‌گذاری‌های عمومی و خصوصی خود را با کمیتهٔ حاکمیت داده، کاتالوگ، lineage و استانداردهای پایش کیفیت پیش می‌برد
فناوری سلامت
Omnicell در واحد حقوقی برنامه‌ای برای استفاده از داده و de-identification مطابق HIPAA می‌سازد تا تحلیل و پژوهش روی دادهٔ بی‌نام ممکن شود
توزیع و زنجیرهٔ تأمین
Sysco در محیط Data Mesh شوراهای stewardship را بر اساس حوزه‌های داده سازمان داده و رویهٔ ارزیابی کاربردهای پرریسک داده و AI را از مدیر حاکمیت می‌خواهد
ساخت‌وساز و خانه‌سازی
D.R. Horton حاکمیت را پایهٔ «دادهٔ قابل اعتماد و AI مسئولانه» می‌داند و آشنایی با الزامات fair housing و حریم خصوصی مصرف‌کننده را امتیاز می‌شمارد؛ Laing O'Rourke حاکمیت را بخشی از مدل عملیاتی داده و AI خود کرده است
نرم‌افزار و SaaS
Veeam برنامهٔ حاکمیت را با ایجنت‌های AI و امتیاز اعتماد به داده روی Databricks خودکار می‌کند و Justworks با گواهی دارایی‌ها در Atlan تحلیل سلف‌سرویس را قابل اعتماد می‌کند
هوانوردی
WestJet تیمی برای حاکمیت داده و AI می‌سازد که علاوه بر کیفیت و طبقه‌بندی داده، چارچوب حاکمیت AI و برنامهٔ AI literacy کل شرکت را هم پیش می‌برد
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
حاکمیت داده یعنی نوشتن سیاست و سند
آگهی‌ها دقیقاً برعکس را می‌خواهند. WestJet می‌نویسد الزامات باید در فرایندها، پلتفرم‌ها و تصمیم‌ها جا بیفتند، «نه اینکه فقط به شکل سیاست یا سند باقی بمانند»، و Laing O'Rourke می‌خواهد حاکمیت در چرخهٔ تحویل پروژه‌ها باشد، نه اینکه بعداً اضافه شود. Sysco هم از مدیرش می‌خواهد از «داشتن چارچوب» فراتر برود و اثر آن را اندازه بگیرد.
کار غیرفنی است و SQL لازم ندارد
Sysco SQL را الزامی می‌داند، Justworks تسلط به SQL و dbt را می‌خواهد و Veeam ساختن ایجنت AI و pipeline خودکار را. حتی Omnicell که نقش را در واحد حقوقی گذاشته، توانایی نوشتن کوئری ساده برای سنجیدن نتیجهٔ کار را شرط کرده است. عمق فنی از شرکتی به شرکت دیگر فرق دارد، اما صفر نیست.
حاکمیت داده جلوی سرعت و نوآوری AI را می‌گیرد
Mercury از رهبر حاکمیت می‌خواهد حاکمیتی طراحی کند که از نوآوری مسئولانه پشتیبانی کند، «بدون پیچیدگی غیرضروری»، و D.R. Horton همین را با عبارت «بدون اصطکاک غیرضروری» می‌گوید. Gartner در ۲۰۲۵ پیش‌بینی کرد تا پایان ۲۰۲۶ سازمان‌ها ۶۰٪ پروژه‌های AI را که دادهٔ آماده برای AI پشتشان نیست کنار می‌گذارند؛ یعنی نبود حاکمیت هم هزینه دارد.
خریدن یک ابزار کاتالوگ یعنی حاکمیت داده
ابزار فقط بخشی از کار است. Justworks از مدیرش می‌خواهد Atlan را به «راه اصلی» استفادهٔ کارکنان از دادهٔ گواهی‌شده تبدیل کند، یعنی کار اصلی جا انداختن استفاده است. رویکرد Robert S. Seiner هم بر رسمی کردن مسئولیت‌هایی تکیه دارد که از قبل در سازمان وجود دارند، نه بر ساختن ساختار تازه از صفر.
این شغل نقطهٔ ورود مستقیم برای تازه‌کارهاست
آگهی‌های مدیر سابقهٔ زیادی می‌خواهند: Veeam دست‌کم ۶ سال، D.R. Horton، Omnicell و Sysco دست‌کم ۷ سال، Justworks و WestJet دست‌کم ۸ سال و Mercury دست‌کم ۱۰ سال. راه واقع‌بینانه از نقش‌های تحلیلگر می‌گذرد: Data Quality Analyst در ICF با ۳ سال سابقه یا Senior Specialist در BNY با ترجیح ۳ تا ۵ سال.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (Data Governance / Data Quality Analyst)
بیشتر وقت صرف خود داده می‌شود: بررسی کیفیت، نوشتن قاعده، به‌روز کردن کاتالوگ و پیگیری خطاها با صاحبان داده. آگهی ICF همین را توصیف می‌کند: تعریف و پایش قواعد کیفیت، گزارش سلامت حاکمیت و پیگیری اقدام اصلاحی.
- ◆اجرای data profiling روی یک جدول تازه و ثبت یافته‌ها
- ◆نوشتن قاعدهٔ کیفیت برای یک فیلد مهم و پیگیری اینکه چرا مقدارهای خالی زیاد شده است
- ◆به‌روز کردن تعریف چند اصطلاح در glossary پس از گفت‌وگو با steward آن حوزه
- ◆آماده کردن بخشی از گزارش فصلی سلامت حاکمیت
میانی (Lead / Steward یک حوزه)
مسئولیت یک یا چند حوزهٔ داده را دارید و بیشتر وقت با مالکان داده و تیم‌های فنی می‌گذرد. NFU Mutual این نقش را «Data Domain Manager» هم می‌نامد: هماهنگ‌کنندهٔ حاکمیت و بهبود کنترل‌ها برای حوزه‌های خود.
- ◆جلسه با مالک دادهٔ مشتری برای تعیین عناصر حیاتی داده و قواعد کیفیت آن‌ها
- ◆بررسی یک محصول دادهٔ تازه پیش از انتشار: تعریف، مالک، lineage و طبقه‌بندی
- ◆پیگیری رفع یک خطای کیفیت تا ریشه همراه تیم مهندسی
- ◆به‌روز کردن داشبورد پوشش metadata و مالکیت حوزه
ارشد (Manager / Senior Manager)
مالک برنامه، تیم و گزارش به مدیران هستید. بخش بزرگی از کار جلب همکاری تیم‌هایی است که به شما گزارش نمی‌دهند. در ۲۰۲۶ بازبینی کاربردهای پرریسک داده و AI و هماهنگی با تیم‌های ریسک مدل، امنیت و حقوقی هم بخشی از کار است.
- ◆ادارهٔ جلسهٔ شورای حاکمیت داده برای حل اختلاف بر سر تعریف یک متریک
- ◆بازبینی امتیاز ریسک یک پروژهٔ تازهٔ AI و تصمیم دربارهٔ عمق بررسی آن
- ◆تعیین اولویت‌های فصل بعد تیم و تقسیم حوزه‌ها میان اعضا
- ◆ارائهٔ گزارش کیفیت داده، استثناها و ریسک‌ها به مدیران ارشد
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈تعریف قواعد، ابعاد و معیارهای کیفیت داده، پایش آن‌ها و پیگیری رفع خطا تا ریشه
- ◈مالکیت کاتالوگ داده: کامل و درست نگه داشتن metadata، glossary و lineage و جا انداختن استفاده از آن
- ◈گواهی کردن دارایی‌های داده پیش از انتشار و حق رد یا لغو گواهی دارایی‌هایی که به استاندارد نمی‌رسند
- ◈طبقه‌بندی دادهٔ حساس و تبدیل الزامات دسترسی، نگهداری و حریم خصوصی به کنترل در پلتفرم‌ها، همراه با تیم‌های امنیت و حقوقی
- ◈آماده کردن داده برای AI: روشن کردن منبع معتبر، کیفیت و قواعد استفاده از داده‌ای که به مدل‌ها و ایجنت‌ها می‌رسد
- ◈حل اختلاف بر سر تعریف متریک‌ها و جلب همکاری تیم‌هایی که به شما گزارش نمی‌دهند
- ◈آموزش و فرهنگ‌سازی: data literacy و توانمند کردن مالکان و stewardها
- ◈ساختن و نگه داشتن چارچوب حاکمیت داده: سیاست‌ها، استانداردها، مدل عملیاتی و نقش‌های مالک داده و steward
- ◈طراحی فرایند ورود و ارزیابی ریسک برای پروژه‌های تازهٔ داده و AI و نگه داشتن فهرست کاربردهای AI
- ◈گزارش وضعیت کیفیت، بلوغ حاکمیت، استثناها و ریسک‌ها به مدیران ارشد و کمیته‌ها
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک مدیر حاکمیت داده موفق به آن‌ها نیاز دارد
مهارت‌های فنی
برای بررسی داده، سنجیدن قواعد کیفیت و بازبینی مدل‌ها؛ Sysco آن را الزامی می‌داند و Justworks تسلط کامل به آن را می‌خواهد
ابعاد کیفیت، قاعده، آستانه، scorecard و تحلیل ریشهٔ خطا؛ طبق ITJobsWatch در ۳۹٫۸٪ آگهی‌های این عنوان در بریتانیا آمده است
ثبت و نگهداری تعریف‌ها، مسیر داده و مالکیت در ابزارهایی مثل Atlan، Collibra، Alation یا Purview
برچسب‌گذاری دادهٔ حساس، RBAC، masking و کنترل سطر و ستون؛ AHEAD کار با این کنترل‌ها در Snowflake را می‌خواهد
Veeam تخصص در Databricks Unity Catalog و AHEAD کار عملی با Snowflake Horizon Catalog را می‌خواهد
Justworks تجربهٔ dbt و dimensional modeling را برای تعریف استاندارد و بازبینی مدل‌ها می‌خواهد
استفاده از AI برای غنی کردن metadata و خودکار کردن کار حاکمیت (Justworks)؛ Veeam ساختن ایجنت و pipeline خودکار را هم می‌خواهد
تعریف schema، معنا، مالکیت و مدیریت تغییر برای محصولات داده؛ در آگهی‌های AHEAD و D.R. Horton آمده است
برای اسکریپت‌های بررسی کیفیت و خودکارسازی؛ Sysco آن را امتیاز می‌داند
ساختن scorecard و گزارش مدیریتی با Power BI یا ابزار مشابه؛ ITJobsWatch، Power BI را در ۲۰٫۳٪ آگهی‌های این عنوان دیده است
مهارت‌های نرم
Mercury و Omnicell هر دو توانایی اثرگذاری بر مدیران و تیم‌هایی را می‌خواهند که به شما گزارش نمی‌دهند
جا انداختن رویهٔ تازه در ساختار موجود؛ Sysco سابقهٔ اجرای پروژه‌های تغییر بزرگ را شرط کرده است
Justworks می‌نویسد حاکمیت با جلب اعتماد کار می‌کند، نه با تحمیل انطباق؛ طبق ITJobsWatch در ۲۴٫۸٪ آگهی‌ها آمده است
نوشتن سیاست، استاندارد و گزارش برای مخاطب فنی، حقوقی و مدیران؛ Omnicell مستندسازی روشن حاکمیت را صریحاً می‌خواهد
Justworks کار این تیم را «ابتکاری» می‌داند، نه پاسخ به درخواست؛ باید خودتان تشخیص دهید کدام کار مهم‌تر است
دانش حوزه‌ای
زبان مشترک حرفه؛ در آگهی‌های Mercury، Omnicell و Veeam آمده است
GDPR، CCPA و در سلامت HIPAA؛ Sysco و Omnicell شناخت این قوانین را می‌خواهند
ورود و ارزیابی کاربردهای AI، ماده ۱۰ EU AI Act و NIST AI RMF؛ در آگهی‌های WestJet و Mercury جزو کار اصلی است
دادهٔ سرمایه‌گذاری در OMERS، بیمه در NFU Mutual، داده‌های سلامت در Omnicell و خانه‌سازی و وام مسکن در D.R. Horton
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به مدیر حاکمیت داده
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
پایهٔ داده: SQL، مدل داده و کار با جدول‌ها
حاکمیت داده بدون فهم خود داده ممکن نیست. آگهی Sysco SQL را الزامی و Python را امتیاز می‌داند، Justworks تسلط به SQL و dbt را می‌خواهد و حتی Omnicell، که این نقش را در واحد حقوقی گذاشته، توانایی خواندن مدل داده و نوشتن کوئری ساده برای سنجیدن نتیجهٔ کار را شرط کرده است.
چارچوب حاکمیت: مالکیت، stewardship و سیاست
زبان مشترک این حرفه DAMA-DMBOK است؛ Mercury، Omnicell و Veeam آن را نام برده‌اند و طبق DAMA، این کتاب پایهٔ آزمون CDMP است. کنار آن یاد بگیرید چطور نقش‌های مالک داده، steward و custodian را تعریف کنید و سیاستی بنویسید که واقعاً اجرا شود.
کیفیت داده، metadata و lineage
بخش عملی کار اینجاست: ابعاد کیفیت (کامل بودن، درستی، سازگاری، به‌روز بودن)، نوشتن قاعدهٔ کیفیت، ساختن scorecard و ردگیری مسیر داده از منبع تا گزارش. آگهی ICF برای Data Quality Analyst دقیقاً همین‌ها را می‌خواهد: قاعدهٔ کیفیت، SLA به‌روز بودن، معیار آمادگی انتشار و گزارش سلامت حاکمیت.
کاتالوگ داده و حاکمیت روی پلتفرم
یک کاتالوگ را از نزدیک بشناسید و با کنترل‌های حاکمیتی داخل پلتفرم‌های داده کار کنید. آگهی‌ها نام ابزار را صریح می‌آورند: Atlan در Justworks و Veeam، Alation در Sysco، Snowflake Horizon در AHEAD، Unity Catalog در Veeam و OpenMetadata در D.R. Horton. طبق ITJobsWatch، Microsoft Purview در ۱۸٪ آگهی‌های Data Governance Manager بریتانیا آمده است.
دادهٔ آماده برای AI و حاکمیت AI
این همان بخشی است که در آگهی‌های ۲۰۲۶ بیشتر از همه تازه است. ماده ۱۰ قانون AI اتحادیهٔ اروپا می‌خواهد دادهٔ آموزش، اعتبارسنجی و آزمون سیستم‌های پرریسک زیر «رویه‌های حاکمیت و مدیریت داده» باشد، از منشأ داده تا بررسی سوگیری. Mercury و WestJet فرایند ورود، ارزیابی و ثبت کاربردهای AI را جزو همین نقش آورده‌اند و Veeam از مدیرش ساختن ایجنت‌های AI برای خودکار کردن کار حاکمیت را می‌خواهد.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
کاتالوگ و پلتفرم حاکمیت داده
کاتالوگ داده‌ای که Justworks مالکیت آن را مستقیم به مدیر حاکمیت داده سپرده و Veeam هم پیاده‌سازی‌اش را از مدیر ارشد خود می‌خواهد
حاکمیت داخل پلتفرم داده
مدیریت metadata، lineage، دسترسی و برچسب در Databricks؛ Veeam تخصص پیشرفته در آن را می‌خواهد
کشف، metadata، lineage و طبقه‌بندی داده در Snowflake؛ AHEAD کار عملی با آن را جزو وظایف آورده است
کاتالوگ و lineage متن‌باز؛ D.R. Horton آن را در کنار Collate نام برده و برای تمرین شخصی هم رایگان است
کیفیت و observability داده
پایش و observability داده؛ Sysco آن را در کنار Anomalo نمونهٔ ابزارهای کیفیت داده آورده است
کتابخانهٔ متن‌باز برای نوشتن قاعدهٔ کیفیت و اعتبارسنجی داده؛ راه رایگان برای تمرین قواعد کیفیت در پورتفولیو
چارچوب‌ها و مقررات
مرجع اصلی مدیریت داده؛ Mercury، Omnicell و Veeam آن را نام برده‌اند و پایهٔ آزمون CDMP است
چارچوب مدیریت ریسک AI؛ Mercury آن را در کنار DAMA-DMBOK و ISO/IEC 42001 از امتیازها شمرده است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
Data Governance Analyst / Data Quality Analyst
۰ تا ۳ سال
اجرای کارهای روزمرهٔ حاکمیت: نوشتن و پایش قواعد کیفیت، به‌روز نگه داشتن کاتالوگ و glossary و پیگیری رفع خطا. آگهی Data Quality Analyst در ICF دست‌کم ۳ سال سابقه می‌خواهد و بازهٔ حقوق آن ۶۱٬۲۳۲ تا ۱۰۴٬۰۹۴ دلار است. تیم حاکمیت داده Justworks هم یک Data Governance Analyst دارد و Sysco تیمی از تحلیلگران حاکمیت را مدیریت می‌کند
Data Governance Lead / Senior Specialist / Data Steward
۳ تا ۷ سال
مسئولیت یک یا چند حوزهٔ داده (مثل مشتری یا مالی)، کار با مالکان داده و راه‌اندازی کنترل‌ها. BNY برای Senior Specialist, Data & AI Governance سه تا پنج سال سابقه را ترجیح می‌دهد و از او ساختن ابزارهای AI برای بهبود کیفیت و حاکمیت داده را می‌خواهد. تیم D.R. Horton هم Data Governance Lead دارد
Data Governance Manager / Senior Manager
۷ سال به بالا
مالکیت کل برنامه: مدل عملیاتی، ابزار، تیم و گزارش به مدیران. D.R. Horton، Omnicell و Sysco دست‌کم ۷ سال سابقه می‌خواهند و Justworks و WestJet دست‌کم ۸ سال. Justworks سه سال سابقهٔ مدیریت افراد را هم شرط کرده است
Director / Head of Data & AI Governance
پس از سطح مدیر
تعیین استراتژی و جهت کل برنامهٔ حاکمیت داده و AI. در Veeam مدیر ارشد حاکمیت به Senior Director, AI-Ready Data Governance گزارش می‌دهد که مالک استراتژی و جهت برنامه است. Mercury برای نقش مشابه دست‌کم ۱۰ سال سابقه می‌خواهد و آن را زیر نظر مدیر ارشد ریسک (CRO) گذاشته است. قدم بعدی می‌تواند نقش مدیر ارشد داده (CDO) باشد
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
اختیار کم، مسئولیت زیاد
عمومیمالکان داده و مهندسان معمولاً به مدیر حاکمیت گزارش نمی‌دهند، اما نتیجه را از او می‌خواهند. Justworks این را صریح می‌گوید: باید حاکمیت را برای ذی‌نفعانی توجیه کنید که شاید هنوز آن را نخواسته‌اند.
نشان دادن ارزش
شرکت بزرگاثر حاکمیت به‌سختی دیده می‌شود. Sysco از مدیرش می‌خواهد نشان دهد stewardship چطور اعتماد به داده و کاربردپذیری آن را بهتر کرده و D.R. Horton موفقیت را با پوشش مالکیت، کیفیت و metadata می‌سنجد که باید هر فصل بهتر شود.
مرزهای مبهم با تیم‌های ریسک، امنیت و حقوقی
عمومیبا ورود AI، کار حاکمیت با ریسک مدل، امنیت اطلاعات، حریم خصوصی و انطباق هم‌پوشانی پیدا کرده است. Mercury توانایی تفکیک این مسئولیت‌ها را جزو شرایط آورده و از مدیر می‌خواهد همراه تیم ریسک مدل روشن کند کدام کاربرد AI «مدل» به حساب می‌آید.
مقررات در حال تغییر
عمومیطبق کمیسیون اروپا، بستهٔ AI Omnibus اجرای قواعد سیستم‌های پرریسک در حوزه‌های حساس (Annex III) را به ۲ دسامبر ۲۰۲۷ منتقل کرد. برنامهٔ حاکمیت باید طوری ساخته شود که با تغییر یک تاریخ یا یک الزام از هم نپاشد.
خودکار شدن کار دستی حاکمیت
عمومیVeeam می‌نویسد نقش مدیر ارشدش «اداره کردن سیاست یا نگهداری کاتالوگ» نیست و باید فعالیت‌های دستی را با خودکارسازی هوشمند جایگزین کند. بخشی از کاری که امروز تحلیلگران حاکمیت دستی انجام می‌دهند، در حال سپرده شدن به ابزار است.
مدل‌های federated و Data Mesh
شرکت بزرگوقتی هر حوزه محصول دادهٔ خودش را منتشر می‌کند، حاکمیت باید بدون کنترل متمرکز یکدست بماند. Sysco در محیط Data Mesh کار می‌کند، AHEAD مدل federated محصولات داده دارد و OMERS با کمیته‌ای جدا برای حوزهٔ سرمایه‌گذاری کنار تیم حاکمیت سازمانی کار می‌کند.
حقوق و بازار کار جهانی
حقوق جهانی مدیر حاکمیت داده
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Glassdoor US, estimate updated Apr 2025, total pay (base + additional): 25th–75th pct; average (179 salaries)
- Justworks posting, Senior Manager, Data Governance (New York City, 8+ years), posted Jul 7 2026: base range; median = midpoint
- Omnicell posting, Data Governance Manager (Atlanta GA / remote, 7+ years), posted Oct 2026: base compensation range; median = midpoint
- Glassdoor Canada, estimate updated Oct 2026, total pay (base + additional): 25th–75th pct; average (13 salaries)
- Glassdoor UK, estimate updated Oct 2026, total pay (base + additional): 25th–75th pct; average (152 salaries)
- Glassdoor Australia, estimate updated Feb 2024, total pay (base + additional): 25th–75th pct; average (18 salaries)
- Glassdoor India, estimate updated Jun 2024, total pay (base + additional): 25th–75th pct; average (11 salaries)
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱: SQL را محکم کنید
اگر SQL را روزمره به کار نمی‌برید، از همین‌جا شروع کنید: join، group by، پیدا کردن تکرار و مقدار خالی.
ماه ۲: چارچوب حاکمیت
مفاهیم مالکیت، stewardship، سیاست و مدل عملیاتی را یاد بگیرید و با کار فعلی‌تان مقایسه کنید.
ماه ۳: کیفیت داده
روی یک مجموعه‌دادهٔ واقعی قواعد کیفیت بنویسید و scorecard بسازید (پروژهٔ دوم پورتفولیو).
ماه ۴: کاتالوگ و lineage
OpenMetadata را نصب کنید، glossary پروژهٔ اول را در آن ثبت کنید و lineage را ببینید.
ماه ۵: دادهٔ آماده برای AI
ماده ۱۰ قانون AI اروپا و NIST AI RMF را بخوانید و فرم ورود و امتیاز ریسک را بسازید (پروژهٔ چهارم).
ماه ۶: ورود به بازار
برای نقش‌های Data Governance Analyst و Data Quality Analyst اقدام کنید و اگر در شرکتی هستید، داوطلب steward شدن یک حوزهٔ داده شوید.
پروژه‌های پیشنهادی برای رزومه
glossary و data dictionary برای یک مجموعه‌دادهٔ عمومی
مبتدییک مجموعه‌دادهٔ باز (مثلاً دادهٔ شهری یا آمار رسمی) را بردارید و برای ده تا بیست اصطلاح مهم آن تعریف کسب‌وکاری، مالک فرضی، منبع معتبر و قاعدهٔ کیفیت بنویسید. بعد همه را در OpenMetadata ثبت کنید تا یک کاتالوگ کوچک اما واقعی داشته باشید.
قواعد کیفیت داده و scorecard
متوسطبرای همان داده قواعد کیفیت بنویسید (کامل بودن، یکتایی، بازهٔ مجاز، به‌روز بودن)، آن‌ها را با Great Expectations یا تست‌های dbt اجرا کنید و نتیجه را در یک داشبورد ساده به‌صورت scorecard نشان دهید. توضیح دهید هر قاعده از کدام نیاز کسب‌وکار آمده است.
نقشهٔ lineage یک pipeline کوچک
متوسطیک pipeline کوچک با dbt بسازید (منبع خام، لایهٔ پاک‌شده، جدول گزارش) و lineage آن را با OpenLineage یا کاتالوگ ثبت کنید. نشان دهید اگر یک ستون منبع تغییر کند، کدام گزارش‌ها تحت تأثیر قرار می‌گیرند.
فرم ورود و امتیاز ریسک کاربردهای داده و AI
پیشرفتهشبیه کاری که Sysco از مدیرش می‌خواهد، یک پرسشنامهٔ ورود طراحی کنید که به هر پروژهٔ تازهٔ داده یا AI امتیاز ریسک بدهد و عمق بازبینی را تعیین کند. پرسش‌ها را به ماده ۱۰ قانون AI اروپا (منشأ داده، برچسب‌زنی، بررسی سوگیری) و NIST AI RMF وصل کنید و با سه نمونهٔ فرضی آن را بیازمایید.
datasheet برای دادهٔ آموزش یک مدل
پیشرفتهبرای یک مجموعه‌دادهٔ عمومی که برای آموزش مدل استفاده می‌شود، با الگوی مقالهٔ Datasheets for Datasets سندی بنویسید: هدف جمع‌آوری، منشأ، برچسب‌زنی، دادهٔ شخصی، شکاف‌ها و محدودیت‌ها. دادهٔ حساس را طبقه‌بندی کنید و پیشنهاد دهید چه کسی و برای چه کاری اجازهٔ استفاده دارد.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
طبق صفحهٔ رسمی KIK Consulting، شرکت مشاوره و آموزش KIK Consulting & Educational Services را در ۲۰۰۲ بنیان گذاشت و رئیس آن است. ناشر بازنشستهٔ (Publisher-Emeritus) نشریهٔ The Data Administration Newsletter (TDAN.com) است و در برنامهٔ آموزشی Chief Data Officer دانشگاه Carnegie Mellon تدریس می‌کند.
نویسندهٔ کتاب Non-Invasive Data Governance (Technics Publications، ۲۰۱۴) است که به گفتهٔ همان صفحه بارها ترجمه شده، و کتاب دوم Non-Invasive Data Governance Strikes Again (۲۰۲۳). از ۲۰۱۲ مجموعه‌وبینار ماهانهٔ Real-World Data Governance را با Dataversity اجرا می‌کند و در ۲۰۰۷ جایزهٔ DAMA Professional Achievement Award را گرفت.
ایدهٔ اصلی او، رسمی کردن مسئولیت‌هایی که از قبل در سازمان هست به جای ساختن ساختار تازه، نشان می‌دهد که در این شغل فهم آدم‌ها و فرایندهای موجود به اندازهٔ دانش فنی اهمیت دارد.
رئیس Granite Falls Consulting است، شرکتی که به گفتهٔ صفحهٔ خودش به سازمان‌ها در جنبه‌های کیفیت اطلاعات و حاکمیت داده کمک می‌کند. از بنیان‌گذاران انجمن بین‌المللی متخصصان کیفیت اطلاعات و داده (IAIDQ)، عضو فعال DAMA International و از مدرسان The Data Warehousing Institute (TDWI) است.
نویسندهٔ کتاب Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information است که ویرایش دوم آن در ۲۰۲۱ از Elsevier/Academic Press منتشر شد و طبق صفحهٔ او در دوره‌های تحصیلات تکمیلی دانشگاه‌ها کتاب درسی است. در ۲۰۱۲ جایزهٔ Distinguished Member انجمن IAIDQ را گرفت.
روش او کیفیت داده را به مجموعه‌ای از گام‌های قابل تکرار تبدیل می‌کند. برای کسی که می‌خواهد وارد این حوزه شود، تسلط بر یک روش مشخص احتمالاً از دانستن نام ابزارهای زیاد مفیدتر است.
به گفتهٔ خودش در سایتش، بیش از دو دهه از راه مشاوره، coaching و آموزش به سازمان‌ها در بهبود حاکمیت داده کمک کرد و در ژوئیهٔ ۲۰۲۶ از کار با مشتریان کنار رفت. کل مسیر کاری خود را بیش از ۲۵ سال می‌داند و امروز همچنان سخنرانی می‌کند.
کتاب Effective Data Governance (Kogan Page) را نوشته که به گفتهٔ خودش همان محتوای دورهٔ Getting Started in Data Governance او را دارد و خواننده را تا تحویل‌های عملی مثل glossary داده، قواعد کیفیت، lineage و نقش‌ها و مسئولیت‌های روشن پیش می‌برد. سایتش او را پیشروترین ارائه‌دهندهٔ آموزش حاکمیت داده در بریتانیا معرفی می‌کند.
پیام کتابش این است که لازم نیست همه‌چیز را یک‌باره حاکمیت کنید و باید از مهم‌ترین داده شروع کرد. این نگاه برای مدیر تازه‌کار که در روزهای اول زیر حجم کار غرق می‌شود، مفید به نظر می‌رسد.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Senior Manager, Data Governance
تحلیل نیازمندی‌ها
8+ years of experience in a data role such as analytics engineering, data engineering, or data governance, with hands-on experience in SQL and dbt.
مسیر ورود به این سطح از نقش‌های فنی داده هم باز است: analytics engineer یا مهندس داده با هشت سال سابقه هم پذیرفته می‌شود. یعنی این شرکت حاکمیت را کاری فنی می‌بیند، نه اداری.
ضروری3+ years in people management, with a demonstrated track record of developing ICs and managing team delivery.
این نقش مدیر واقعی است و باید سابقهٔ رشد دادن اعضای تیم و تحویل کار تیمی را داشته باشید. اگر هنوز مدیر نبوده‌اید، نقش‌های Lead یا Senior Specialist پلهٔ قبل از آن‌اند.
ضروریExperience owning data governance, data quality, or data standards programs — not just contributing to them.
تفاوت «مالک بودن» با «مشارکت داشتن» در مصاحبه پرسیده می‌شود: باید بتوانید برنامه‌ای را مثال بزنید که اولویت‌ها، معیار موفقیت و نتیجه‌اش با شما بوده است.
ضروریStrong proficiency in SQL; working experience with dbt and dimensional modeling sufficient to define standards and review model conformance.
باید بتوانید مدلی را که مهندس ساخته بخوانید و بگویید با استاندارد می‌خواند یا نه. استاندارد نوشتن برای چیزی که خودتان نمی‌فهمید، اعتبار شما را نزد مهندسان از بین می‌برد.
مهمDemonstrated experience with managing data catalogs or data governance tooling (Atlan, Alation, Collibra, or similar).
عبارت «or similar» یعنی تجربه با هر کاتالوگی پذیرفته است. اگر به ابزار تجاری دسترسی ندارید، کار با یک کاتالوگ متن‌باز مثل OpenMetadata در پورتفولیو نشانهٔ خوبی است.
مهمHands-on fluency with AI tooling as a productivity and automation lever; ability to apply it within the context of metadata management, documentation, and governance workflows.
انتظار دارند خودتان از AI برای نوشتن توضیح دارایی‌ها، غنی کردن metadata و خودکار کردن کارهای تکراری استفاده کنید. این بند نشان می‌دهد بخشی از کار دستی حاکمیت در حال خودکار شدن است.
مهمExperience working in a startup or high-growth environment where programs had to be built from scratch is preferred.
تیم تازه‌تأسیس است و بخش بزرگی از کار ساختن از صفر است، نه نگه داشتن چیزی که هست. این بند ترجیحی است، نه الزامی.
مفیدتحلیل مسئولیت‌ها
Lead and develop the Data Governance team — currently two ICs (a Senior Analytics Engineer and a Data Governance Analyst), with further growth anticipated this year — through clear priorities, coaching, and recognition.
تیم کوچک است و مدیر «بازیکن‌مربی» است: هم کار تیم را هدایت می‌کند و هم خودش کار انجام می‌دهد. ترکیب تیم هم جالب است: یک مهندس و یک تحلیلگر حاکمیت.
Own the foundational governance buildout: metadata standards and taxonomy, business domain framework, glossary migration and enrichment, data profiling governance, and model conformance for silver- and gold-layer assets.
پایه‌ها باید ساخته شوند: اینکه metadata چه شکلی داشته باشد، حوزه‌های کسب‌وکار چطور تقسیم شوند و جدول‌های لایه‌های silver و gold انبار داده با استاندارد بخوانند.
Run the ongoing governance programs: asset certification and re-certification, data quality observability, glossary and metrics-catalog freshness, standards enforcement and audit, new asset intake and review, and stakeholder education and adoption.
کار روزمره پس از ساختن پایه‌ها: گواهی دوره‌ای دارایی‌ها، پایش کیفیت، به‌روز نگه داشتن glossary و ثبت دارایی‌های تازه. این برنامه‌ها هیچ‌وقت تمام نمی‌شوند.
Own the data catalog (Atlan) — ensuring the continued accuracy, completeness, and hygiene of asset metadata, glossary terms, and data products; and driving adoption of Atlan as the primary way stakeholders engage with certified data across Justworks.
کاتالوگ فقط وقتی ارزش دارد که آدم‌ها واقعاً از آن استفاده کنند. بخشی از موفقیت شما با میزان استفادهٔ کارکنان از کاتالوگ سنجیده می‌شود، نه فقط با کامل بودنش.
Set and enforce certification standards: Governance holds the right to withhold or revoke certification on assets that fail to meet the standard. You’ll exercise that authority credibly and collaboratively.
این از معدود جاهایی است که حاکمیت اختیار واقعی دارد: می‌تواند به یک جدول یا داشبورد مهر تأیید ندهد. استفادهٔ درست از این اختیار، بدون خراب کردن رابطه با تیم‌ها، مهارت اصلی است.
Serve as a key subject matter expert for Data & Analytics and cross-functional stakeholders: arbitrate metric and definition differences, and drive company-wide adoption of best practices.
وقتی دو تیم دو عدد متفاوت برای یک متریک گزارش می‌کنند، شما داور هستید. این کار هم دانش کسب‌وکار می‌خواهد و هم توانایی رسیدن به توافق.
Drive an AI-native way of working and thinking: accelerate our data governance maturity by leveraging AI for unifying information, enriching metadata, automating governance work and more.
AI اینجا ابزار کار حاکمیت است، نه فقط موضوع آن: از AI برای جمع کردن اطلاعات پراکنده، نوشتن توضیح دارایی‌ها و خودکار کردن کار دستی استفاده می‌شود.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از مدیر حاکمیت داده در یک شرکت در حال رشد در ۲۰۲۶ می‌دهد: کسی با سابقهٔ فنی داده و تجربهٔ مدیریت که تیم کوچکی را می‌سازد، مالک کاتالوگ است، با اختیار گواهی دادن یا ندادن کیفیت دارایی‌های تحلیلی را تضمین می‌کند و از AI برای سرعت دادن به کار حاکمیت استفاده می‌کند. بازهٔ حقوق پایهٔ اعلام‌شده برای دفتر نیویورک ۱۶۶ تا ۲۱۴ هزار دلار در سال است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
طبق ITJobsWatch، در ۶ ماه منتهی به ۲۳ اکتبر ۲۰۲۶، ۱۳۳ آگهی استخدام دائم با عنوان Data Governance Manager در بریتانیا منتشر شد؛ این عدد در همین بازه در ۲۰۲۴، ۳۲ و در ۲۰۲۵، ۱۱ بود. سهم این عنوان از کل آگهی‌های دائم IT بریتانیا به ۰٫۱۱٪ رسید، در برابر ۰٫۰۴۶٪ در ۲۰۲۴ و ۰٫۰۲۲٪ در ۲۰۲۵. بخشی از جهش به رشد کل بازار برمی‌گردد (تعداد کل آگهی‌های دائم IT با عنوان شناخته‌شده از ۴۴٬۲۱۴ به ۱۱۱٬۳۱۹ رسید)، اما سهم این عنوان هم بیشتر شده است. جستجوی این عنوان در O*NET به گروه‌های مختلفی مثل Data Warehousing Specialists، Database Architects و Compliance Managers می‌رسد و گروه رسمی جداگانه‌ای برای آن پیدا نمی‌شود.
منبع: ITJobsWatch — Data Governance Manager (UK), 6 months to 23 Oct 2026
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
Gartner در فوریهٔ ۲۰۲۵ پیش‌بینی کرد تا پایان ۲۰۲۶ سازمان‌ها ۶۰٪ پروژه‌های AI را که دادهٔ آماده برای AI پشتشان نیست کنار بگذارند، و نوشت سازمان‌هایی که مدیریت metadata را پایه‌ای یا دستی انجام می‌دهند، در آماده کردن داده برای AI به مشکل می‌خورند.
طبق کمیسیون اروپا، از ۲ دسامبر ۲۰۲۷ سیستم‌های AI پرریسک در حوزه‌هایی مثل استخدام، آموزش و زیرساخت حیاتی پیش از ورود به بازار باید تعهدات سختی را رعایت کنند، از جمله کیفیت بالای داده‌هایی که به سیستم داده می‌شود و ثبت فعالیت برای ردیابی نتایج. ماده ۱۰ همین قانون رویه‌های حاکمیت داده را برای دادهٔ آموزش، اعتبارسنجی و آزمون این سیستم‌ها الزامی می‌کند.
BLS آمریکا پیش‌بینی می‌کند اشتغال گروه «مدیران سیستم‌های کامپیوتر و اطلاعات» (Computer and Information Systems Managers) از ۲۰۲۵ تا ۲۰۳۵، ۱۶٪ رشد کند. این گروه بسیار گسترده‌تر از حاکمیت داده است و فقط به‌عنوان نزدیک‌ترین گروه مدیریتی رسمی آورده شده است.
دو تغییر هم‌زمان در جریان است. اول، کار دستی حاکمیت خودکار می‌شود: Veeam نوشته نقش مدیر ارشدش اداره کردن سیاست یا نگهداری کاتالوگ نیست و Justworks از مدیرش خودکار کردن کار حاکمیت با AI را می‌خواهد؛ پس ارزش این شغل بیشتر به قضاوت، طراحی برنامه و جلب همکاری منتقل می‌شود. دوم، دامنهٔ کار گسترده‌تر می‌شود: WestJet و Mercury حاکمیت AI را به همین نقش اضافه کرده‌اند، که یعنی باید ریسک AI، مقررات و مرز با تیم‌های ریسک مدل و حقوقی را هم بلد باشید. ورود هم آسان نیست: آگهی‌های سطح مدیر دست‌کم ۶ تا ۱۰ سال سابقه می‌خواهند.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۳۱ منبع بررسی شده است.
- Senior Manager, Data Governance — Justworks (job posting)
- Senior Manager - Data & AI Governance — Mercury (job posting)
- Data and AI Governance, Senior Manager — Veeam Software (job posting)
- Senior Manager, Data Governance — Sysco (job posting)
- Data Product Governance Lead — AHEAD (job posting)
- Data Governance Manager — D.R. Horton (job posting, LinkedIn)
- Data Governance Manager — Omnicell (job posting, LinkedIn)
- Data Governance Manager - Enterprise Data & AI — Laing O'Rourke (job posting, LinkedIn)
- Data Governance Manager — NFU Mutual (job posting, LinkedIn)
- Manager, Data & AI Governance & Enablement — WestJet (job posting, LinkedIn)
- Senior Manager, Data Governance — OMERS (job posting, LinkedIn)
- Data Quality Analyst — ICF (job posting, LinkedIn)
- Senior Specialist, Data & AI Governance — BNY (job posting, LinkedIn)
- Data Quality & Governance Analyst — Oracle (job posting, LinkedIn)
- Glassdoor — Data Governance Manager salary, United States
- Glassdoor — Data Governance Manager salary, Canada
- Glassdoor — Data Governance Manager salary, United Kingdom
- Glassdoor — Data Governance Manager salary, Australia
- Glassdoor — Data Governance Manager salary, India
- ITJobsWatch — Data Governance Manager (UK)
- Gartner — Lack of AI-Ready Data Puts AI Projects at Risk (Feb 2025)
- AI Act Service Desk — Article 10: Data and data governance
- European Commission — AI Act (risk levels and application timeline)
- BLS Occupational Outlook Handbook — Computer and Information Systems Managers
- O*NET OnLine — keyword search: data governance manager
- DAMA International — DAMA-DMBOK
- KIK Consulting — About (Robert S. Seiner)
- Granite Falls Consulting — Danette McGilvray credentials
- Nicola Askham — homepage
- Nicola Askham — Effective Data Governance (book page)
- NIST — AI Risk Management Framework