根據研究報告顯示：到2025年全球將有近30%的新增數據資源來自中國，在信息產業部分領域我國實現了從“跟跑”“并跑”向“領跑”的轉變。面對規模日漸增長的大數據，想要了解剖析它，數據治理是不能繞過的一環，今天我們來好好談談數據治理體系的搭建方法論。

知概念 · 什么是數據治理？

數據治理的概念各大機構的理解不盡相同，這里列舉一下比較典型的釋義：

機構名稱	數據治理相關定義
DGI	數據治理是一個通過一系列信息相關的過程來實現決策權和職責分工的系統，這些過程按照達成共識的模型來執行，該模型描述了誰（Who）能根據什么信息，在什么時間（When）和情況（Where）下，用什么方法（How），采取什么行動（What）。
IBM	數據治理是一門將數據視為一項企業資產的學科。數據治理是針對數據管理的質量控制規范，它將嚴密性和紀律性植入企業的數據管理、利用、優化和保護過程中。它涉及到以企業資產的形式對數據進行優化、保護和利用的決策權利。它涉及到對組織內的人員、流程、技術和策略的編排，以從企業數據獲取最優的價值。
DAMA	數據治理(Data Governance, DG)是指對數據資產管理行使權力和控制的活動集合（規劃、監督和執行）。

對于數據治理，很多人會把他與數據管理混為一談，這里簡單羅列一下市面上的幾種聲音。

觀點一：數據管理?數據治理

數據管理（DM）是長期管控的過程，屬于長效機制，類似我們中醫里的“管”。

數據治理（DG）是某一時間段對數據的臨時梳理措施和行為，是針對數據質量的干擾動作，類似西醫里的"治"。

這種理念下，數據管理是包含數據治理的。

?

在DAMA-DMBOK2理論框架中，數據管理的內容分為三大類：

數據治理活動：確保組織對數據作出合理、一致的決策；

數據生命周期活動：管理從數據的獲取到數據的消除整個過程；

數據基礎活動：包含數據的管理、維護和使用。

?

根據上訴觀點，可以很明顯的看出DAMA是贊同數據管理包含數據治理這一結論的。

觀點二：數據管理?數據治理

另一種觀點認為數據治理是包含數據管理的，數據管理是數據治理的技術實現。在這種觀點下，數據治理是對數據端到端生命周期內（收集、存儲、使用、保護、歸檔和刪除）的組織結構、數據擁有者、政策、規則、過程、業務術語和度量標準等做出定義。數據管理則是數據治理的技術實現，而企業數據治理則為各種政策及過程的執行和實施賦能。

?

?

觀點三：數據管理=數據治理

還有很大一部分人認為數據治理和數據管理基本上是一回事，可以相互混用。DATA GOVERNANCE，翻譯成中文可以是數據治理、數據管理、數據管控等，因此這幾個詞都是約等的概念。

上訴觀點眾說紛紜，也都有一定程度的“信仰者”，但就目前來看，有DAMA站臺的觀點一的呼聲更高，蓋過了其他的聲音。

數據治理體系的頂層設計

數據治理是一個復雜的系統工程，是一個從上至下指導，從下而上推進的工作。基于數據治理體系，其頂層設計可以提煉出以下四大方面：

建組織、立制度

數據治理組織的建立并不是簡單的組建一個臨時團隊，也不僅僅意味著有了專業的人就能做專業的事，而是要建立一個能足夠支撐企業數據化業務的完整體系，包括組織體系、管理體系、執行體系、技術體系等方面。

另外，數據治理不應被視為“以一應萬”的萬能方法，數據治理應該制度化。對數據產生、采集、處理、加工、使用等過程進行規范。通過統一數據標準，制定合理的數據管理流程和制度，規范數據生產供應的過程。要確保數據符合業務需求，并在整個組織中定義、監控和執行數據策略從而確保一致性。

摸家底、拉人才

第二步要根據各政企單位的實際情況來進行需求調研，先摸清自家家底，確定企業數據資產的分布、數據的質量、數據的管理現狀、數據應用需求等情況。其重點是要細化至數據治理項目的目標和范圍，評估數據治理成熟度，確定改進內容和方向并與利益相關方達成共識。

除此之外，政企也需根據實際情況建立自己的人才體系，包括人才選拔和數據治理人才培養。不光對外廣招專業人才，也可從內部選拔相應的技術專家、業務專家，他們對業務層面會更加了解。

建平臺、選工具

數據平臺的搭建也是“因人而異”的，不同的企事業單位對于搭建數據治理平臺的需求及各業務模塊的重視程度都不一樣，也有一定程度的輕重緩急。但一個全面的數據治理平臺應該包含以下九大塊，即元數據管理、數據標準管理、數據質量管理、數據集成管理、主數據管理、數據交換管理、數據資產管理、數據安全管理、數據生命周期管理。

數據治理平臺涉及面廣，體系龐大而又復雜，一般公司或部門想要完全依靠自身力量搭建這樣一個平臺基本上是很難的，如果能選擇一個在業界有口皆碑的工具，借鑒已成功運用落地的行業解決方案，則會在最短的時間內完成治理目標，達到事半功倍的效果。關于工具如何選擇我們將在下一段里再詳細展開。

持續優化，再出發

通過數據治理工作的開展，數據變得可信且易于理解，并能有效地支撐業務人員的決策分析工作。越來越多的人員轉變為“數據專家”，工作方式也隨之改變，但是它并不是一個一蹴而就的事情。

數據治理是一個螺旋上升模型，需要不斷的迭代和優化，需要進行長效的持續運營，要將其變成企業的一種機制、一種文化、一種習慣，而數據治理每一次迭代優化都預示著政企數據戰略目標的再出發！

數據治理體系的底層邏輯

有了頂層的戰略和核心思想，如何從0到1確立數據治理體系的底層邏輯，將是指導我們具體應該怎么做的方法論，建議收藏。

01掌握數據現狀

數據治理的第一步一定是掌握數據現狀，首先對數據家當進行全面盤點，形成數據地圖，為業務應用和數據獲取夯實基礎。數據地圖作為數據的全盤映射，幫助開發者和業務人員了解數據，并對數據資產管理進行有效監控。

02提升數據質量

通過建立一套切實可行的數據質量監控體系，設計數據質量稽核規則，加強從數據源頭控制數據質量，形成覆蓋數據全生命周期的數據質量管理，實現數據資源向優質資產的轉變，為后續的數據治理打下堅實基礎。

03實現互聯互通

通過制定統一的數據標準，建立數據共享制度，完善數據登記、數據申請、數據審批、數據傳輸、數據使用等數據共享相關流程規范，打破數據孤島，實現數據高效共享。讓數據治理的效果持續量化，使得企業上下對其成果有目共睹。

04提高獲取效率

數據治理可以將前期的數據準備時間和交付項目的時間縮短，提升數據的獲取和服務效率，讓數據快速就緒，隨時可取，減少數據分析人員的數據準備時間，加快數據價值的釋放過程。

05保障安全合規

數據治理通過制定完善的數據安全策略、建立體系化的數據安全措施、執行數據安全審計，全方位進行安全管控，確保數據獲取和使用合法合規，為數據價值的充分挖掘提供了安全可靠的環境。

06持續釋放價值

數據治理是一個持續和動態的全生命周期管理過程，以持續釋放數據價值為理念來實現數據資源管理工作。管理方面應建立一套符合數據驅動的組織管理制度流程和價值評估體系；技術方面應該建設現代化數據平臺，確保持續、健康地為數據資產管理提供服務。

?

睿治數據治理平臺功能全解

通俗來說，數據治理就是預防、診斷和治療與數據有關的一起“病癥”。億信華辰智能數據治理平臺——“睿治”就是根治病癥的良藥，它包含九大產品模塊如主數據、數據標準、數據質量、數據集成、元數據、數據交換、數據資產、數據生命周期和數據安全，同時模塊間可獨立或組合使用，滿足各類不同數據治理場景。

通俗來說，數據治理就是預防、診斷和治療與數據有關的一起“病癥”。億信華辰智能數據治理平臺——“睿治”就是根治病癥的良藥，它包含九大產品模塊如主數據、數據標準、數據質量、數據集成、元數據、數據交換、數據資產、數據生命周期和數據安全，同時模塊間可獨立或組合使用，滿足各類不同數據治理場景。

01元數據管理：端到端的自動化采集，一鍵元數據分析，快速理清數據資源，了解數據來龍去脈，構建數據地圖。

02數據標準管理：提供全面完整的數據標準管理流程及辦法，用于決定和建立單一、準確、權威的事實來源。

03數據質量管理：通過向導化、可視化等簡易操作手段，將質量評估、質量檢核、質量整改與質量報告等工作環節進行流程整合，形成完整的數據質量管理閉環。

04數據集成管理：實現跨部門數據的傳輸、加載、清洗、轉換和整合，支持自定義調度和圖形化監控，實現統一調度、統一監控。

05主數據管理：對需要共享的數據建立統一視圖和集中管理，為各業務系統數據調用提供黃金數據。

06數據交換管理：將若干個業務子系統之間進行數據或者文字的傳輸和共享，集數據采集、處理分發、交換傳輸于一體。

07數據資產管理：豐富的服務接口拓展，支撐數據資產的多渠道應用，如數據共享、決策支持等，最終實現數據資產價值最大化。

08數據安全管理：提供對隱私數據的加密、脫敏、模糊化處理、數據庫授權監控等多種數據安全管理措施，全方位保障數據的安全運作。

09數據生命周期管理：記錄數據從創建和初始存儲，到過時被刪除的整個流動過程，對數據進行近線歸檔、離線歸檔、銷毀和全生命周期監控。

睿治數據治理平臺的九大產品模塊可靈活組合使用，通過有型的產品支撐和實施方法論，解決大企業面臨的數據孤島、數據維護混亂、數據價值利用低的問題，依據企業特有的業務和架構，構建一套源源不斷地把數據變成資產并服務于業務的、可持續讓企業數據用起來的機制，讓數據可見、可懂、可用、可運營。

了解更多數據治理與數據治理工具相關知識：http://www.122re.com/data-governance.html.