数据治理的几个关键要素

Posted 2020-12-13

在传统数据平台阶段，数据治理的目标主要是做管控，为数据部门建立一个的治理工作环境，包括标准、质量等。而在数据中台阶段，用户对数据的需求持续增长，用户范围从数据部门扩展到全企业，数据治理不能再只是面向数据部门了，需要成为面向全企业用户的工作环境，需要以全企业用户为中心，从给用户提供服务的角度，管理好数据的同时为用户提供自助获得大数据的能力，帮助企业完成数字化转型。

　　通过分析数据治理实际开展过程中出现的一些问题，我们总结出了数据治理的几个关键要素：

　　1）数据治理需要体系建设：为发挥数据中台价值需要满足三个要素：合理的平台架构、完善的治理服务、体系化的运营手段。

　　根据企业的规模、所属行业、数据量等情况选择合适的平台架构；治理服务需要贯穿数据全生命周期，保证数据在采集、加工、共享、存储、应用整个过程中的完整性、准确性、一致性和实效性；运营手段则应当包括规范的优化、组织的优化、平台的优化以及流程的优化等等方面。

　　2）数据治理需要夯实基础：数据治理需要循序渐进，但在数据中台建设初期至少需要关注三个方面：数据规范、数据质量、数据安全。

　　规范化的模型管理是保障数据可以被治理的前提条件，高质量的数据是数据可用的前提条件，数据的安全管控是数据可以共享交换的前提条件。

　　3）数据治理需要IT赋能：数据治理不是一堆规范文档的堆砌，而是需要将治理过程中所产生的的规范、流程、标准落地到IT平台上，在数据生产过程中通过前向的方式进行数据治理，避免事后稽核带来运维成本的增加。

　　4）数据治理需要聚焦数据：数据治理的本质是管理数据，因此需要加强元数据管理，补齐数据的相关属性和信息，比如：元数据、质量、安全、业务逻辑、血缘等；应通过元数据驱动的方式管理数据生产。

　　5）数据治理需要建管一体化：数据中台的数据模型血缘与任务调度的一致性是建管一体化的关键，有助于解决数据管理与数据生产口径不一致的问题，避免出现两张皮的低效管理模式。

　　数据治理的几个关键要素.中琛魔方大数据平台表示为了规范数据处理过程，凸显数据业务价值，需对数据平台的数据进行综合管理，构建标准化、流程化、自动化、一体化的数据治理体系，确保数据架构规划合理、数据加工条理清晰、数据处理可管控、数据知识可传承。有效的数据治理可以确保企业数据全面一致可信，从而全面释放数据资产的价值。