---
schema_version: "1"
id: df3c29d040d32a96428cffb02f256a03c87e534f2e4582394d28bea2cde92733
title: Kontrollerad och betrodd data
collection: tableau
version: current
locale: sv-se
portal_url: https://docs.salesforce.com/tableau/current/sv-se/blueprint/bp_governance_enables.md
canonical_url: https://help.tableau.com/current/blueprint/sv-se/bp_governance_enables.htm
source_site: help.tableau.com
content_type: documentation
content_hash: 753cd87bd4aff2b768b19d6156e8cf8ed47237ff1ad3098636aebb2cb088ceff
description: Blueprint explanation of how governance builds trust in data and analytics through controls and roles.
---
[Hoppa till huvudinnehåll](#main-content)

# Kontrollerad och betrodd data

> [!TIP]
> 
> Det här innehållet är en del av Tableau Blueprint – ett ramverk med vilket ni kan zooma in och förbättra hur organisationen använder data för att få större genomslag. Sätt igång genom att göra vår [utvärdering](https://www.tableau.com/sv-se/learn/webinars/tableaus-blueprint-self-assessment).

Kontroll är kombinationen av olika kontrollsystem, roller och upprepningsbara processer som skapar trygghet i och förtroende för data och analys i din organisation. I en traditionell BI-miljö ses ofta kontroll som ett sätt att begränsa åtkomst eller låsa data och innehåll. En utbredd missuppfattning är att kontroll strider mot en modern analysmiljö med självbetjäning, eftersom det ofta förknippas med traditionella Bi-processer. Kontroll får dock en annan, men lika viktig roll i en modern analysmiljö, där kontroll möjliggör och stärker dina medarbetare i stället för att begränsa dem.

Enkelt uttryckt gör kontroll självbetjäningsanalys möjlig. Den ger de riktlinjer och den struktur som krävs för att skydda data och innehåll på rätt sätt, men ger även de behörigheter och den åtkomst som krävs för att en självbetjäningsmiljö ska bli framgångsrik. Därför är ett tydligt definierat kontrollramverk en stabil förankringspunkt för alla datadrivna företag. De kontrollmodeller som du definierar kommer att driva många beslut under processen, från att ge nödvändig vägledning för att de tre arbetsflödena ska gå framåt till att utveckla kärnkapaciteter och stärka det datadrivna beslutsfattandet i organisationen.

För att självbetjäningsanalys ska kunna skalas måste kontroll vara ett samarbete. Både IT- och företagsintressenter i projektteam ansvarar för att definiera data- och innehållsstyrning. Att byta från en IT-styrd kontrollmodell innebär inte att IT lämnar över kontrollen utan att företaget i stället kan bli mer självständigt i en betrodd miljö. Moderna BI-miljöer implementeras och skalas för att gynna analytiker och företagsanvändare. Därmed blir alla användare delaktiga i att upprätthålla kvaliteten, inklusive att bli en första försvarslinje och identifiera dataproblem och avvikelser i de överenskomna kontrollmodellerna.

Utifrån insikten att alla organisationsanvändare och alla användningsfall är unika behövs det olika grader av kontroll. Modellerna för data- och innehållskontroll kan vara rätt anpassade i omfattning och användas för alla typer av data oberoende av var de hör hemma i kontrollspektrumet. Genom att fastställa tre primära kontrollmodeller – en centraliserad, en delegerad och en självstyrande modell – får du den flexibilitet du behöver för att tillgodose kontrollkraven i de flesta organisationer. Precis som vid andra aktiviteter för hantering av Tableau-plattformen krävs ett agilt, iterativt tillvägagångssätt för att anpassa sig till nya affärskrav i takt med att användarnas acceptans och engagemang ökar i organisationen. Mer information finns i [Kontrollmodeller i Tableau](https://help.tableau.com/current/blueprint/sv-se/bp_governance_models.htm).