什么是數據治理

數據治理是指從使用零散數據變為使用統一主數據、從具有很少或沒有組織和流程治理到企業范圍內的綜合數據治理、從嘗試處理主數據混亂狀況到主數據井井有條的一個過程。

數據治理的全過程

數據治理其實是一種體系，是一個關注于信息系統執行層面的體系，這一體系的目的是整合IT與業務部門的知識和意見，通過一個類似于監督委員會或項目小組的虛擬組織對企業的信息化建設進行全方位的監管，這一組織的基礎是企業高層的授權和業務部門與IT部門的建設性合作。從范圍來講，數據治理涵蓋了從前端事務處理系統、后端業務數據庫到終端的數據分析，從源頭到終端再回到源頭形成一個閉環負反饋系統（控制理論中趨穩的系統）。從目的來講，數據治理就是要對數據的獲取、處理、使用進行監管（監管就是我們在執行層面對信息系統的負反饋），而監管的職能主要通過以下五個方面的執行力來保證——發現、監督、控制、溝通、整合。

如果您將要添加一個多領域MDM (主數據是指在整個企業范圍內各個系統(操作/事務型應用系統以及分析型系統)間要共享的數據)系統并承認CRM?和ERP?系統并不是設計用于管理主數據，為何不進行下一步驟并取消它們的創建、更新或刪除主數據的功能，而是允許這些系統只能讀取和處理主數據呢？規定某一系統進行數據的錄入，其他系統只用該系統的數據。或者另外搞一套系統，專門用來維護公共數據。

何時開始主動數據治理？

一些情況要求立即開始主動數據治理，例如當您獲得多個CRM?系統和ERP?系統，它們要求與多領域MDM?系統集成，以便讓它們繼續充當錄入系統，或當您的當前源系統非常脆弱或很難維護或修改。

在這些情況下，要忍受困難并從一開始便為主動數據治理作出計劃。一些組織擁有成千上萬個直接在MDM?系統中授權主數據的最終用戶，并且有一個數據管理員團隊支持他們、發現異常、解決低質量匹配、在需要時手動合并重復記錄等等。另一種應用情況是當您發現自己最終會選擇主動數據治理方法—何必再為建立源系統到多領域MDM?系統的雙向集成而爭論？您或許不妨直接授權最終用戶來編寫主數據。

隨著越來越多的企業建立并廣泛應用BI系統，數據治理的話題也在最近被越來越多地提及和討論。有專家表示，只有建立了一定的數據治理體系，用戶才會真正進入商業智能的時代。

概念：管理舉措，持續改善

數據治理(Data Governance)，是由企業高級管理層的數據治理委員會發起并推行的，是關于如何進行整個企業內部數據的商業應用和技術管理的一系列政策和程序。數據治理是一套持續改善管理機制，通常包括了組織架構、政策制度、技術工具、數據標準、作業流程、監督及考核等方方面面。

技術：主題眾多，元數據管理先行

數據治理涉及的IT技術主題眾多，包括元數據管理、主數據管理、數據質量、數據集成、監控與報告等。

根據權威數據管理研究機構TDWI對數百家國際企業的調研結果，元數據管理的重要性在全部技術主題中位列第一。

元數據管理是語義工具，其重要性在于，它能夠為數據治理建立一套數據資料庫，存儲治理范圍內的數據定義，負責人，來源，轉換關系，目標，質量等級，依賴關系，安全權限等。這些信息對于商業整合，數據質量，可審計性等數據治理目標的實現至關重要。

元數據管理是實施數據治理的核心IT技術，有效的元數據管理將為數據質量、數據集成等技術的實施，以及數據治理目標的最終實現奠定堅實的基礎。

意義：發掘數據資產的商業價值數據深度使用

數據治理是專注于將數據作為企業的商業資產進行應用和管理的一套管理機制，能夠消除數據的不一致性，建立規范的數據應用標準，提高組織數據質量，實現數據廣泛共享，并能夠將數據作為組織的寶貴資產應用于業務、管理、戰略決策中，發揮數據資產的商業價值。同時，數據治理將幫助組織更好的遵從內外部有關數據使用和管理的監管法規，如SOX法案，Basel II協議等。良好的數據治理必將為信息化時代的企業帶來不可替代的競爭優勢。

數據治理(Data Governance)是圍繞將數據作為企業資產而展開的一系列的具體化工作。數據是企業最大的價值來源，同時也是最大的風險來源，數據管理不佳通常意味著業務決策效果不佳以及更可能面臨違規和失竊。而利用規則的可信數據有助于組織的業務創新提供更好的服務，提升客戶忠誠度，減少合規及報表要求所需工作，并提升創新能力。

數據治理不光是軟件，還要有相應的流程、方法。

框架包括產出領域：數據風險管理、價值創造；驅動領域：組織機構/流程、管理制度、數據責任人；核心領域：數據質量管理、信息生命周期管理、安全/信息披露/合規；支撐領域：數據模型/數據架構、元數據/主數據/數據標準、質量審計與報告。

主數據是用來描述企業核心業務實體的數據，比如客戶、合作伙伴、員工、產品、物料單等。

主數據管理旨在從企業的多個業務系統中整合最核心的需要共享的數據，集中進行數據清洗，并以服務的方式把統一、完整、準確的主數據分發給企業內的操作型應用和分析型應用，包括業務系統、業務流程和決策支持系統等。

大數據的特點是3V，即大量化（Volume）、多種類（Variety）和高采集速度（Velocity）。大量化意味著傳統的數據質量算法，除非有非常大的性能提升，是難以用在大數據環境下的，因為掃描一次的時間可能都是無法接受的；多種類更增加了這種難度，因為傳統的數據質量算法基本上是基于關系數據的，對于象XML、文檔、圖數據等等類型，目前還沒有太好的數據質量算法；高采集速度更是一個嚴峻的挑戰，因為采集過程本來就是數據質量問題的主要來源，采集速度快，又不能及時進行數據質量處理，會導致數據質量問題的堆積，越來越嚴重。

同時，數據質量是一個綜合性的問題，一般認為其包括三個方面：元數據的質量、數據內容的質量和數據使用方式的質量，而大數據的特點恰恰是元數據的弱化和未來使用方式的不確定性。