智能數據治理平臺

睿治作為國內功能最全的數據治理產品之一，入選IDC企業數據治理實施部署指南。同時，在IDC發布的《中國數據治理市場份額》報告中，連續四年蟬聯數據治理解決方案市場份額第一。

在線免費試用 DEMO體驗視頻介紹

睿治智能數據治理平臺

IDC蟬聯數據治理解決方案市場第一

金融數據治理中常見的5個問題及解決方法

時間：2023-10-08來源：互聯網瀏覽數：256次

1、是否可以忽略元數據？
有些企業可能認為元數據一直是IT部門的職責，而不重要。然而，元數據是承載一切的關鍵，包括數據標準、數據質量、數據模型和數據安全等。如果不處理元數據，就無法實現協同工作，也難以實施和跟蹤，從而導致核心關鍵工作難以持續運營。

因此，我的觀點是應該處理元數據，但要根據企業的實際情況來決定。

2、如何進行數據標準的內容建設和落地？
（1）數據標準的內容建設如何推進？
金融行業有一些簡單的數據標準來源：一是外部監管，二是拆分內部核心報告以形成指標標準，三是基礎數據標準，可以快速推進。

（2）如何實施數據標準？
這個問題一直受到廣泛探討，似乎沒有通用的模板。
我們應該明確的核心思想是，實施數據標準并不是為了推翻原有系統，而是應該遵循對現有系統影響最小的原則。核心有四個要點：
第一，分析數據標準目標情況，包括評估數據標準的沖突和混淆，以及對歷史數據標準和現有數據的適用性進行分析。
第二，分析更新數據標準對當前數據的影響，包括上下游影響和兼容性分析等。
第三，尋找最大的公共因素。這意味著在不同版本或不同部門的數據標準中找到最大公共因素，以提高數據質量和適用性，從而減少數據轉換成本和促進系統集成和資源共享。
第四，建立規范的實施機制。在做了這么多工作之后，我們需要建立好數據標準的更新機制、相應的組織、流程和管理方法，以確保實施的有效性。

3、除了外部監管要求，數據質量規則還可以從哪里獲取？
第一個來源是業務部門或項目組在使用或開發過程中沉淀的數據質量規則。
第二個來源是通過元數據或數據模型引用的數據標準形成的數據質量檢驗規則。
第三個來源是根據數據的分類進行數據質量規則的分析，建立同類字段的檢驗規則的復用，包括地址、聯系方式、金額等。一個類型的數據質量規則可以衍生出許多不同的規則。

4、如何實現數據的分類和分級？
核心是要將數據分類和分級落實在元數據上。必須進行具體的分類和分級分析，并結合機器學習將其應用到數據服務的權限矩陣中。

5、對于一些企業來說，數據治理的組織通常在IT部門，業務部門的參與度很低，如何避免數據治理成為IT自嗨的工作？
要讓業務部門愿意參與數據工作，有兩個關鍵要點。
首先，需要充分發揮數據資產的價值。通過數據資產為數據分析和挖掘帶來的價值，業務部門會更愿意參與。
其次，需要將數據服務應用與數據治理結合起來，以快速突破現有的限制。數據治理不能被視為最終目標，不應為了治理而治理。只有當數據資產發揮了價值時，才能產生積極的反饋。

（部分內容來源網絡，如有侵權請聯系刪除）

立即申請數據分析/數據治理產品免費試用我要試用

上一篇：數據治理管理領域的協同與融合...

下一篇：數據治理的新實踐和思路...