奇点云数据中台技术汇 | 数据治理——企业数字化转型的基石
1 为何要进行数据治理？
首先，数据是有价值的。根据埃森哲发布的“2035年以前各行业的平均GDP增加率”，单纯看天然增加，制造行业只有2.1%，可是经过数据以及由此衍生出来的人工智能加成以后，这个数字就晋升到第二名4.4%，数据的价值是至关可观的。安全
可是，数据的应用环境是有风险的。Facebook的我的隐私泄露事件，直接致使Facebook市值缩水640亿美圆，扎克伯格也受到国会质询。架构
此外，数据的应用环境是低效的。为何数据的应用环境是低效的？一是数据不可知，用户不知道本身有哪些数据，也不知道这些数据和业务有什么关系，虽然意识到了大数据的重要性，可是没有能解决本身业务所面临问题的关键数据或不知该如何寻找这些数据。二是数据不可用，数据须要一个漫长的开发过程，致使业务分析的需求，难以被快速知足。三是数据不可控，没有统一的数据标准致使数据难以集成统一，没有质量控制致使海量数据难以被利用，没有有效管理整个大数据平台的管理流程。运维
从上面三点的分析，就得出了咱们数据治理的一个目标就是：合规、高效地产生数据价值。创建数据拥有者、使用者、数据以及支撑系统之间的和谐互补关系， 从全机构视角协调、统领各个层面的数据管理工做， 确保内部各种人员可以获得及时、准确的数据支持和服务。ide
2 如何合规、高效地产生数据价值？
咱们认为要合规、高效地产生数据价值必定不只仅是技术层面的事情，而是须要构建全生命周期、全深度、全方位的治理体系，包括数据治理组织体系、数据治理工具、数据治理管控流程三大层面。工具
经过数据治理组织创建管理办法、制定工做流程、肯定角色职责。数据治理工具主要包括数据标准管理、元数据管理、数据质量管理、数据资产管理、数据安全管理，各模块协调运营，确保数据平台的数据一致、安全、有效。数据治理管控流程贯穿整个数据治理体系的流程中，实现平台化的数据管理思路。大数据
3 数据治理组织体系
数据治理组织的构建旨在经过创建数据治理组织架构，明确各级角色和职责，保障数据治理的各项管理办法、工做流程的实施，推进数据治理工做的有序开展。人工智能
整个数据治理的组织结构能够分为三层：生命周期
1.数据治理委员会：数据管理的决策者。负责牵头数据治理工做，制定数据治理的政策、标准、规则、流程，协调认责冲突。事件
2.数据治理中心：数据平台的运营者。负责提交数据标准的要求及数据质量规则和业务规范，监督各项数据规则和规范约束的落地状况，并负责数据治理中总体数据的管控流程制定。开发
3.各业务部门：数据提供者、数据维护者、数据消费者。负责具体执行事项。
4 数据治理管控流程
数据治理管控流程是为了让方案能真正有序的落地，以数据标准制定为例：
数据标准管理协调者组织数据提供者和执行者参与数据标准属性的收集和整理工做，并按照企业实际状况协商出数据标准初稿。
数据标准初稿进行屡次的讨论和丰富后，造成数据标准审核稿提交至数据标准管理决策者。
通过数据标准管理决策者的讨论审核后，由数据标准管理协调者再次进行数据标准的修改完善，并完成数据标准的发布。
5 数据治理管控工具
工欲善其事，必先利其器。数据治理管控工具是为了帮助企业更好地将规范执行落地。一般认为， 数据治理至少应当涵盖以下功能域：数据资产管理、数据标准管理、元数据管理、数据质量管理、数据运维管理以及数据生命周期管理等。
• 数据标准：在数据治理组织架构推进和指导下，遵循协商一致制定的数据标准规范，借助标准化管控流程得以实施数据标准化的整个过程。
• 元数据：采用集中式管理模式进行元数据管理，企业元数据逻辑集中，即元数据管理模块做为公司元数据的统一发布源，集中管理元数据，提供元数据集中建立、维护、查询功能。
• 数据质量：对数据从计划、获取、存储、共享、维护、应用、消亡等生命周期的每一个阶段可能引起的各种数据质量问题，进行识别、度量、监控、预警等一系列管理活动，并经过改善和提升组织的管理水平使得数据质量得到进一步提升。
• 数据资产：规划、控制、提供数据及数据资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、提升数据资产的价值。
• 数据安全：经过计划、制定、执行数据安全政策和安全策略措施，为企业数据提供行之有效的认证、受权、访问和审计。
• 数据运维：包括数据资产运维、数据质量运维，可借助运维工具来总体提高企业数据运维效率。
6 结语
在数据资产价值被高度承认和开发利用的今天，数据治理不只仅须要做为一项管理职能在企业内贯彻执行，也应该成为一种企业文化。企业各层级的数据管理人员必须不断地沟通、教育和推广数据资产价值的重要性以及数据治理职能的业务贡献。提高数据使用者对数据治理的意识及对数据治理效益的承认程度，是以持续改进企业数据管理机制，充分挖掘企业数据价值，提高企业核心竞争力。