数字化转型的基础-数据治理

随着信息技术快速发展和深入应用，企业数据呈现出海量增长、动态变化的特征日趋显著。过去十几年信息化以信息系统建设为主，数据标准化和数据资源中心建设严重滞后，信息系统不支持跨地区、跨部门业务协同，“信息孤岛/烟囱”成为信息化建设的“瓶颈”问题，信息资源不能共享。

随着信息技术快速发展和深入应用，企业数据呈现出海量增长、动态变化的特征日趋显著。过去十几年信息化以信息系统建设为主，数据标准化和数据资源中心建设严重滞后，信息系统不支持跨地区、跨部门业务协同，“信息孤岛/烟囱”成为信息化建设的“瓶颈”问题，信息资源不能共享。数据治理的核心价值体现在于提高数据质量，打通数据孤岛，因此数据治理正是企业数字化转型得以实现的必经之路。

一、何为数据治理

治为整治，关注数据质量，保障数据稳定性、准确性，合理控制数据的生命周期，降低成本。理为梳理和管理，数据的基本信息、状态、关联关系等，目标是搞清有哪些数据、从哪来到哪去，最终用到什么地方。
数据治理就是进行数据架构、数据标准、数据质量、数据安全等领域的建设和管理的全流程。本质是盘点数据资产、提升数据质量，实施数据全生命周期的管理。

二、数据治理的意义

在数据质量国家标准《GB/T 36073-2018》数据管理能力成熟度评估模型中定义，应该从数据战略、数据治理、数据架构、数据标准、数据生命周期、数据应用、数据质量、数据安全等八大方面进行评估。
数据治理要了解政府、企业的需求，并按照从上而下的策略进行开展数据管理的现状调研，摸清楚数据资产的分布、数据的质量、数据的管理现状、数据应用需求等情况，从而更好地对数据产生、采集、处理、加工、使用等过程进行规范。通过统一数据标准，制定合理的数据治理流程和制度，规范数据生产供应。通过提升数据质量、控制数据安全，不仅有利于提高政府决策的科学性,也有利于推进政府的数字化转型，让数据发挥出最大的效益。

三、大数据治理面临的问题

虽然一些大型企业在信息化和自动化方面做得很好，但是在数据治理上仍然面临很多问题和困难。首先是工具链条的缺失。企业做数据治理，效果往往不好，原因是什么呢？很多时候企业依赖人工，比如数据准备、数据标准等。其次是数据含义不清楚。虽然企业该有的数据都有，但是数据的业务含义是什么并不清楚，并且数据之间的标准也没有。因此，企业很难把数据利用好。最后从组织架构上，企业必须得有一个数据管理部，这意味着从公司层面足够重视。有效的组织架构是项目成功的有力保证，为了达到项目预期目标，在项目开始之前对于组织及其责任分工做出规划是非常必要的。

四、数据治理方案设计与实施

1、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”；
2、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；
3、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；
4、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；
5、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；
6、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。

五、国内有哪些好用数据治理工具
亿信华辰自主研发的睿治包含实时计算存储、元数据、数据质量、数据集成、数据标准、数据资产、数据交换、主数据、数据生命周期、数据安全等高度融合的十大核心模块，各模块可独立或者组合使用，打通数据治理各环节，实现了数据治理场景的全覆盖。
睿治作为国内少有的覆盖数据全生命周期的数据治理平台，以创新的方式保证企业的业务数据在采集、汇总、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性，全面为客户量身打造符合自身特征的数据治理体系。实现了数据问题一个平台全解决，使客户从此告别东拼西凑尴尬局面，从而进一步提升数据治理的全面性、连贯性、持续性，真正降低了成本。
睿治的通用扩展性之高，广受好评。平台基于各行业数据共性，采用成熟模块化设计理念，实现各模块功能各行业应用场景普遍适用；平台功能全面，模块组装灵活，可高效便捷完成数据从创建到消亡的全过程的监控和治理；平台提供丰富的服务接口，内置脚本支持，全面满足集成、扩展需要。