数据治理的目的和意义

数据治理构成了公司范围数据管理的基础，可以有效地使用可信赖的数据。有效的数据管理是一项需要集中控制机制的重要任务。

数据治理构成了公司范围数据管理的基础，可以有效地使用可信赖的数据。有效的数据管理是一项需要集中控制机制的重要任务。
一、何为数据治理
数据治理是一个过程，是一个从混乱到有序的过程。以服务组织战略目标为基本原则，通过组织成员的协同努力，流程制度的制定，以及数据资产的梳理、采集清洗、结构化存储、可视化管理和多维度分析，实现数据资产价值获取、业务模式创新和经营风险控制的过程。
二、数据治理的目标和原则
1、数据治理目标
1)嵌入式
数据治理不是一个附加管理流程。数据治理活动需要融合软件开发方法、数据分析应用、主数据管理和风险管理。
2）可度量
数据治理做得好有积极的财务影响，但要证明这一影响，就需要了解起始过程并计划可度量的改进方案。
3）可持续发展
治理程序必须富有吸引力。它不是以一个项目作为终点，而是一个持续的过程。需要把它作为整个组织的责任。数据治理必须改变数据的应用和管理方式，但也不代表着组织要作巨大的更新和颠覆。数据治理是超越一次性数据治理组件实施可持续发展路径的管理变革。可持续的数据治理依靠于业务领导、发起者和所有者的支持。
2、数据治理原则
1）业务驱动
数据治理是一项业务管理计划，因此必须管理与数据相关的IT决策，就像管理与数据有关的业务活动一样。
2）领导力和战略
成功的数据治理始于远见卓识和坚定的领导。数据战略指导数据管理活动，同时由企业业务战略所驱动。
3）多层面
数据治理活动发生在企业层面和各地基层，但通常发生在中间各层面。
4）基于框架
由于治理活动需进行跨组织职能的协调，因此对数据治理项目必须建立一个运营框架来定义各自职责和工作内容。
三、数据治理业务驱动因素
1、改进流程
1）数据质量提升：通过真实可信的数据提升业务绩效的能力。
2）法规遵从性：有效和持续地响应监管要求的能力。
3）项目开发效率：在系统生命周期中改进，以解决整个组织的数据管理问题，包括利用数据全周期治理来管理特定数据的技术债。
4）供应商管理：控制数据处理的合同，包括云存储、外部数据采购、数据产品销售和外包数据运维。
5）元数据管理：建立业务术语表，用于定义和定位组织中的数据;确保组织中数量繁多的元数据被管理和应用。
2、减少风险
1）数据安全：通过控制活动保护数据资产，包括可获得性、可用性、完整性、连续性、可审计和数据安全。
2）隐私：通过制度和合规性监控，控制私人信息、机密信息、个人身份信息等。
3）一般性风险管理：洞察风险数据对财务或商誉造成的影响，包括对法律（电子举证）和监管问题的响应。
四、数据治理——元数据管理平台
亿信元数据管理平台元模型以Meta Object Facility(MOF)规范为基础，支持XMI格式的元模型导入和导出，同时内置大量技术元数据、业务元数据的元模型，用户可直接使用。元模型管理对元模型的基本信息、属性、父子关系、依赖关系、组合关系的增删改查操作，内置元模型的内置信息不允许修改或者删除，但可进行新增操作。

五、数据治理——数据质量管理平台
通过 EsDataClean，可以及时发现、定位和解决数据仓库建设过程中各环节的数据质量问题，并完成问题数据的流转和处理，同时对数据质量进行评估和监控，有助于不断改进数据质量管理水平，大大提高数据仓库建设效率及展现层的数据可靠性。
EsDataClean用于解决业务系统运行、数据仓库建设及数据治理过程中的数据质量问题。它以标准化的数据质量规范为基础，运用数据挖掘、数据分析、工作流、评分卡、可视化等技术帮助组织建立数据质量管理体系，提升数据的完整性、规范性、及时性、一致性、逻辑性，降低数据管理成本，减少因数据不可靠导致的决策偏差和损失。