中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

數據治理環節的存在可以幫助企業解決數據不準、或者數據全生命周期的相關問題，那么企業該如何進入數據治理環節、并搭建相應策略？可能在開始之前，企業需要先做好內部調研和思考。本篇文章里，作者便針對數據治理建設發表了他的見解，一起來看一下。

前言

數據治理這一概念最近越來越受到企業的關注，筆者也在兩家公司完成數據治理從0-1的建設，從數據集成、數據質量、數據資產、數據安全、數據交換各個環節。數據治理是個大話題，包含的環節也非常多，所以拆開了多期內容與大家共同討論。

一、定義

數據治理基本上有兩種定義。第一類【數據】治理，主要解決指標標準、數據不準的問題，解法相對于聚焦一些，應用工具指標管理平臺、數據質量平臺，甚至直接由研發“人肉智能”就能夠見效。第二類數據【治理】，主要解決數據全生命周期的問題，從數據采集、數據質量、數據應用、數據安全、數據分享各個環節。

二、思考

數據治理是一個系統化且長周期的工程，雖然治理的路數和思路基本上大同小異，基本上三大抓手“組織架構、治理工具、運營監控”，但是因為下面幾個問題，所以在各企業落地的方式和形態都不太一致。

1. 角色

數據治理絕大部分都是由內向外，在企業內部形成閉環，那我們所在部門在公司的角色是重中之重，這影響到可以獲得的支持、調動的資源、協調的部門、取得的收益。

第一類國企，那看數據治理這份工作是什么視角，是軟件部門所在的治理還是以監察審計出發，可以參考成熟的數據治理成熟度模型-DCMM去建設治理體系，不會犯錯，看當前有多少預算，多少資源選擇性去做（下圖有些刪減，僅供參考）。

第二類私企，一般業務部門的數據團隊進行【數據】治理，保障數據的準確性的一致性即可。而在數據中臺則考慮的更全面、更體系，筆者現在是數據中臺，所以后續內容站在中臺視角講的多些，下面先簡單講講數據中臺。

數據中臺是圍繞數據從生產、存儲、質量、使用、傳輸、共享、冷存儲到毀滅的全生命周期，是滿足數倉研發工程師、數據科學專家、產品經理、分析師、決策管理者等不同角色對數據的應用需求，具備海量多源異構數據整合、實時數據計算與發布、統一通道數據調用與分析能力，支持高可復用、高可靠、高效的且開放型數據治理能力的數據應用平臺。

2. 階段

從數據的價值角度來看，總結有兩個階段「業務數據化和數據業務化」，企業處于不同的階段，我們所實施的治理的步驟順序也有一定重心調整。

業務數據化實際上就是業務發生的過程形成數據，比如教培行業的課中學習數據、老師授課數據、廣告投放數據等等。那這一部分治理的重心就在于數據埋點、數據入庫、數據存儲、數據標準、數據質量、數據指標，保證數據及時、完整、一致，為數據分析做好有效有效支持。

數據業務化實際上就是數據加工后，從中找出規劃后反哺業務。比如音樂平臺，根據用戶之前的聽歌記錄，通過算法判斷用戶的喜好，推送歌單給用戶，提升用戶的粘性和留存。亦如電商平臺根據客戶的歷史購買記錄，給客戶推薦商品。這個階段重點治理數據倉庫、數據資產、數據分析、數據安全、數據應用等，釋放數據價值。

三、價值

如何評估數據治理的價值呢？這往往也是令我們最頭疼的，本質上來講數據治理的價值就是降本增效、控質提安、賦能決策，治理的收益有很多，但是要知道的是上面想拿哪些收益，這也是影響治理的重要性和執行力度的關鍵。

1. 降本

成本一般由四部分構成，分別是采集、計算、存儲、應用。

降本是這里面收益最直觀、見效最快、最好衡量，畢竟和Money掛鉤，這四部分收益最快的存儲>計算>應用>采集。

存儲可以直接采用下服務、刪除冗余數據等手段，衡量的指標可以直接用“存儲節約TB/元”。

計算可以在有限的資源里去合理的分配，或者使用監控手段，比如一條計算大約多少錢，當然這一部分有明確的業務預算和高層的支持。

應用和采集是相對不好拿收益，采集是大數據的源頭，理論來講其實是越多越好，而應用是最終服務的呈現，治理的話牽一發動全身，還需慎重。

2. 增效

增效的角度可以從查詢效率、查詢時間、時間成本都可以作為治理收益。比如我查詢數據之前要用一個小時，現在用十五分鐘。

3. 控質

從數據質量角度出發，數據故障率、數據及時率、數據完整率等指標進行監控。

4. 提安

安主要是講數據的安全，數據安全可以從風險項、數據安全覆蓋率、數據脫敏等角度出發。

“安全無小事，責任終于山”，安全這個方向要么不出事要么就是出大事，所以數據一定要監控留痕，以防事后追責。最近行業內安全事故層出不窮，各個企業也都越來越重視。

5. 賦能決策

這個方向比較長效，串聯部門也多，更需要深入業務，比如數據模型、畫像標簽直接帶來的收益，還有一種思路比如說不同數據源它的業務產生的價值區別。

四、策略

對內有的時候治理規則太多，不能落地，導致大而全，沒辦法集中資源，拿不到有效的收益。對外有的時候治理規則太多，不能落地，畢竟需要很多團隊參與，效率協同也很重要。

1. 體系

所有數據治理體系已經很成熟了，阿里云的dataworks、華為云的DataArts Studio等，但是如果采用自建數據體系，一定不能因為治理而治理，要從實際出發，找到企業自身痛點，確定優先級。

2. 組織

首先，在做數據治理前重中之重一定要有高層的支持，自上而下的去推動，否則只是停留在口號階段。其次，數據治理誰負責？誰執行？從筆者公司的數據中臺角度來說，建立數據體系，平臺工具，最終由業務數據團隊協同配合和使用。

數據委員會的建立，一般是有企業的高級管理者組成，負責數據戰略創建和批準，負責項目、政策、授權的制定和協同。

數據治理小組一般是負責人角色，負責整理體系的方案構建、平臺落地、評估規劃。

業務治理團隊一般是執行者角色，使用平臺工具按照標準規范生產加工數據，根據評估體系來治理數據所存在的問題。

協同團隊一般財務、hr團隊，給予數據治理資源的協調和支持。

3. 運營

數據治理不是一個 “階段性項目”，而是一個“可持續的運營項目”。針對企業存儲、規范、質量、資源、安全、價值等六個方面形成數據治理評估體系，可以采用健康分的形式，以現存的問題為驅動的理念，覆蓋事前、事中、事后的全鏈路主動式數據治理和治理評估。

五、總結

數據治理是一個大工程，所以在動手之前要做好充足的思考和調研，所以也就有了此篇文章，后續數據治理章節會以平臺工具為話題去安排，按照體系中的架構圖，包含指標管理平臺、數據質量監控平臺、數據地圖、數據安全中心等。