数据治理平台搭建方法论

在信息产业部分领域我国实现了从“跟跑”“并跑”向“领跑”的转变，预计到2025年全球将有近30%的新增数据资源来自中国。数据治理是深入剖析、了解规模日渐增长的大数据的核心环节。那么我们该如何搭建数据治理平台。

数据治理平台搭建方法论
在信息产业部分领域我国实现了从“跟跑”“并跑”向“领跑”的转变，预计到2025年全球将有近30%的新增数据资源来自中国。数据治理是深入剖析、了解规模日渐增长的大数据的核心环节。那么我们该如何搭建数据治理平台。
一、数据治理定义
要想搭建数据治理平台，首先肯定要了解什么是数据治理。不同机构对数据治理的了解各不相同。

二、如何搭建数据治理平台
数据治理是一个复杂的系统工程，是一个从上至下指导，从下而上推进的工作。搭建数据治理平台主要分为两部分：数据治理平台的顶层设计与底层设计。
基于数据治理体系，其顶层设计可以分为四个模块：
建立组织制度
数据治理首先要制度化，通过统一数据标准，制定合理的数据管理流程和制度，对数据产生、采集、处理、加工、使用等过程进行规范。还要建立一个能足够支撑企业数据化业务的完整体系，包括管理体系、组织体系、技术体系、执行体系等方面。最终目标是确保数据符合业务需求，并在整个组织中定义、监控和执行数据策略从而确保一致性。
了解建设程度，引进人才
确定企业数据的质量、数据资产的分布、数据应用需求、数据的管理现状等情况，以及确定改进内容和方向并与利益相关方达成共识。细化至数据治理项目的目标和范围，评估数据治理成熟度。根据实际情况对外广招专业人才，对内选拔相应的技术专家、业务专家，建立包括数据治理人才培养和人才选拔的人才体系。
选择建立平台的工具
数据治理平台涉及面广，体系庞大而又复杂，如果能选择一个在业界有口皆碑的工具，借鉴已成功运用落地的行业解决方案，则会在最短的时间内完成治理目标，达到事半功倍的效果。不同的企事业单位对于各业务模块的建设程度及搭建数据治理平台的需求都不一样。但一个全面的数据治理平台应该包含以下十大块，即元数据管理、实时计算存储、数据标准管理、数据质量管理、数据集成管理、主数据管理、数据交换管理、数据资产管理、数据安全管理、数据生命周期管理。

持续改进优化数据治理工作
数据治理是一个螺旋上升模型，需要不断的迭代和优化以及进行长效的持续运营。数据才能变得可信且易于理解，并能有效地支撑业务人员的决策分析工作。

亿信华辰智能数据治理平台包含十大产品模块：主数据、数据标准、数据质量、数据集成、元数据、数据交换、数据资产、实时计算存储、数据生命周期和数据安全。 
数据标准管理：提供全面完整的数据标准管理流程及办法，用于决定和建立单一、准确、权威的事实来源。
元数据管理：端到端的自动化采集，一键元数据分析，快速理清数据资源，了解数据来龙去脉，构建数据地图。
数据集成管理：实现跨部门数据的传输、加载、清洗、转换和整合，支持自定义调度和图形化监控，实现统一调度、统一监控。
数据质量管理：通过向导化、可视化等简易操作手段，将质量评估、质量检核、质量整改与质量报告等工作环节进行流程整合，形成完整的数据质量管理闭环。
数据交换管理：将若干个业务子系统之间进行数据或者文字的传输和共享，集数据采集、处理分发、交换传输于一体。
主数据管理：对需要共享的数据建立统一视图和集中管理，为各业务系统数据调用提供黄金数据。
数据安全管理：提供对隐私数据的加密、脱敏、模糊化处理、数据库授权监控等多种数据安全管理措施，全方位保障数据的安全运作。
数据资产管理：丰富的服务接口拓展，支撑数据资产的多渠道应用，如数据共享、决策支持等，最终实现数据资产价值最大化。
实时计算存储：基于开源Hadoop框架开发，融合MPP、SQL on Hadoop、流处理等大数据技术，支持海量数据的高效储存和统一管理，为企业决策提供实时的数据支撑。
数据生命周期管理：记录数据从创建和初始存储，到过时被删除的整个流动过程，对数据进行近线归档、离线归档、销毁和全生命周期监控。
睿治数据治理平台的十大产品模块可灵活组合使用，通过有型的产品支撑和实施方法论，解决大企业面临的数据孤岛、数据维护混乱、数据价值利用低的问题，依据企业特有的业务和架构，构建一套源源不断地把数据变成资产并服务于业务的、可持续让企业数据用起来的机制，让数据可见、可懂、可用、可运营。