随着信息技术的不断涌现和普及,业务发展加快了数据膨胀的速度,行业内衍生了较多的新名词,如
数据治理、数据管理等名词的定义很多,概念容易混淆。那么笔者就来谈谈,这两者的概念以及区别。
一、数据管理包含数据治理
目前业界广泛认同的概念是“治理是整体数据管理的一部分”。首先,数据管理协会(DAMA)在数据管理知识体系(DMBOK)中认为,数据治理是数据管理的一部分。其次,在企业信息管理(EIM)定义上,Gartner认为EIM是“在组织和技术的边界上结构化、描述、治理信息资产的一个综合学科”。Gartner这个定义不仅强调了数据/信息管理和治理上的紧密关系,也重申了数据管理包含治理这个观点。最后,CMMi协会颁布的数据管理成熟度模型(DMM)中包括六个有效数据管理分类,其中一个最显著的领域就是数据治理。
二、数据治理与数据管理
数据治理是用来明确相关角色、工作责任和工作流程的,确保数据资产能长期有序地、可持续地得到管理。而数据管理则是一个更为广泛的定义,在数据管理过程中要保证一个组织已经将数据转换成有用信息,这项工作所需要的流程和工具就是数据治理的工作。它与任何时间采集和应用数据的可重复流程的方方面面都紧密相关。例如,简单地建立和规划一个数据仓库,这是数据管理层面的工作。定义谁以及如何访问这个数据仓库,并且实施各种各样针对元数据和资源库管理工作的标准,这是治理层面的工作。
数据治理是负责正式化任何数据管理当中的流程,数据治理本身着重提供一整套工具和方法,确保企业在实际上治理这些数据。虽然数据治理是数据管理中的一部分,但后者必须要由前者来提供可靠的信息到核心业务流程。
三、数据治理领域
数据治理包含许多不同方面的领域:
业务词汇表:对于企业而言,建立统一的业务术语非常关键,如果这些术语和上下文不能横跨整个企业的范畴,那么它将会在不同的业务部门中出现不同的表述。
元数据:元数据要求数据元素和术语的一致性定义,它们通常聚集于业务词汇表上。
数据质量:数据质量的具体措施包括数据详细检查的流程,目的是让业务部门信任这些数据。数据质量是非常重要的,有人认为它不同于治理,它极大提升了治理的水平。
参考数据管理:参考数据提供数据的上下文,尤其是它结合元数据一起考虑的情况下。由于参考数据变更的频率较低,参考数据的治理经常会被忽视。
生命周期管理:数据保存的时间跨度、数据保存的位置,以及数据如何使用都会随着时间而产生变化,某些生命周期管理还会受到法律法规的影响。
四、关于睿治数据治理平台
亿信华辰是中国专业的智能数据产品与服务提供商,一直致力于为政企用户提供从数据采集、存储、治理、分析到智能应用的智能数据全生命周期管理方案,帮助企业实现数据驱动、数据智能,已积累了8000多家用户的服务和客户成功经验,为客户提供数据分析平台、数据治理系统搭建等专业的产品咨询、实施和技术支持服务。
睿治智能数据治理平台由亿信华辰自主研发,是一款融合数据治理十大产品模块,覆盖数据全生命周期管理的应用平台,也是目前国内功能齐全的数据治理工具,助力数据标准落地,提升数据质量,实现数据资产融合。睿治数据治理平台融合数据集成、数据交换、实时计算存储、元数据管理、数据标准管理、数据质量管理、主数据管理、数据资产管理、数据安全管理、数据生命周期管理十大产品模块,打通数据治理各个环节,十大产品模块可独立或任意组合使用,快速满足政府、企业各类不同的数据治理场景。
点击查看更多关于数据治理的内容:
数据治理的意义与价值
为什么说数据治理是一项长期的工作
DAMA国际数据管理协会