浅谈数据治理：如何让大数据真正发挥价值一、机构数据管理问题二、数据治理定义三、数据治理框架四、数据治理方案设计与实施五、数据治理难点六、总结( 二 ) ：浅谈数据治理：如何让大数

标准先行，一般来说需要事先制定“数据分类及编码标准”、“数据目录标准”、“数据项标准”、“数据安全标准”、“数据交换共享标准”；依据标准建立数据目录管理功能，通过数据目录管理来落实数据分类编码、数据目录和数据项标准；建立数据清洗规则，使数据目录与源数据表建立映射，数据项与源表数据项建立映射，通过ETL实现对源数据的清洗；建立数据质量管理功能，按照数据目录定期检查数据的质量问题，并通过数据问题库来记录和跟踪数据的质量问题，从而达到持续改进数据治理的效果；建立数据安全管理功能，数据安全主要通过三方面来实现，其一是数据加密、脱敏等技术，其二是数据权限，包括表级、行级和列级权限定义，其三对数据交换共享进行日志记录，并定时自动审计数据安全问题。建立数据服务功能，一般都会提供通过文件、接口的方式来提供数据服务功能，按照数据安全标准对数据服务方式进行处理。从技术实施角度看，数据治理包含“理”“采”“存”“管”“用”这五个步骤，即业务和数据资源梳理、数据采集清洗、数据库设计和存储、数据管理、数据使用。

文章图片
五、数据治理难点数据治理是一个复杂的系统工程，涉及到机构的多个领域，要注意以下方面：
跨机构的沟通协调问题：数据治理是一个机构的全局性项目，需要IT部门与业务部门的倾力合作和支持，需要各个部门站在机构战略目标和机构长远发展的视角来看待数据治理。因此，数据治理项目需要得到机构高层的支持，在条件允许的情况下，成立以机构高层牵头的虚拟项目小组，会让数据治理项目事半功倍。投资决策的困难：机构的投资决策以能够产生可预期的建设成效为前提，但往往综合性的数据治理的成效并不能立马体现，它更像一个基础设施，是以支撑组织战略和长期发展为目标，所以，导致此类项目无法界定明确的边界和目标，从而难以作出明确的投资决策。工作的持续推进：数据治理是以支撑机构战略和长远发展为目标，应当不断吸收新的数据来源，持续追踪数据问题并不断改进，所以数据治理工作不应当是一锤子买卖，应当建立长效的数据改进机制，并在有条件的情况下，尽量自建数据治理团队。技术选型：这几年随着大数据的发展，有针对传统数据库的，有针对大数据数据库的，再加上组织对自身数据资产情况没有一个清晰的认识，这也就导致了数据治理的技术选型困难。六、总结综上所述，数据治理是所有数据应用的根基，数据治理的好坏直接影响所有数据应用的价值。机构无论是基于数据看报表，还是做交互式的多维分析，还是做更复杂的个性化推荐，所有的数据应用都需要有一个良好的数据治理结果。
机构要把数据管理上升到数据治理的高度，纳入到公司治理和监管中，建立起主动、全周期、全覆盖、动态的数据治理体系。
构建自上而下、多层次、覆盖全员、责任明确的数据治理机制，同时营造积极审慎的数据文化，把握国内外数据治理的最新动向，持续评价并更新数据治理制度和手段。在实施数据治理时需因地制宜，根据机构实际情况制定切实可行的数据治理方案，通过有效的数据资源控制手段，进行数据的管理和控制，提升数据质量，进而使数据发挥其真正的价值。