数据治理是做什么的？正确方法与步骤是什么？

随着业务发展，公司对数据应用使用场景越来越多，数据也会随着业务快速增长，随之而来，数据存储，数据模型建设，数据质量，使用规范上都会出现一些问题。尤其是互联网行业，野蛮式增长背后都是烟囱式的数据建设，数据冗余，数据孤岛问题非常多。

随着业务发展，公司对数据应用使用场景越来越多，数据也会随着业务快速增长，随之而来，数据存储，数据模型建设，数据质量，使用规范上都会出现一些问题。尤其是互联网行业，野蛮式增长背后都是烟囱式的数据建设，数据冗余，数据孤岛问题非常多。主要表现在以下几个方面：
1）数据命名不规范；
2）指标口径不一致；
3）数据冗余问题非常严重；
4）数据权限混乱；
5）血缘关系查询非常困难，低效；
6）缺乏元数据管理机制，问题核查。
一、什么是数据治理？
数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为。由企业数据治理部门发起并推行，关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。数据治理的最终目标是提升数据的价值，是企业实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。
二、数据治理方案步骤
1、数据汇总，梳理编目
建立汇总处理机制，汇总自然资源中包含的一系列数据。提供跨网络跨数据库的数据交换工具，关联原始数据源，提取所需数据并落入核心数据库。汇总后，形成统一的数据市场，以服务的形式共享数据资源。并对现有数据进行梳理和编目，对每个数据进行梳理后赋予唯一的数据地址，方便后续在系统中查找所需数据。
2、构建数据评价体系，注重应用反馈评价
梳理数据评价主题，构建数据评价规则和模型，形成数据评价体系。画像和聚焦数据，评估每个业务场景需要哪些数据支持。以业务应用程序的数据支持要求为导向，收集不同角色用户的数据使用反馈，了解数据的使用和可能的优化方向，分析和评估业务闭环中的数据支持。
3、构建元数据系统和数据标签
建立基本数据描述、数据分类描述、数据质量描述、其他扩展描述等维度的元数据标准体系。使用元数据描述数据可以让每个使用数据的人清楚地了解数据的时间、空间、来源、格式等信息。结合元数据标准，对数据进行标签处理，即对数据内容形成画像。在此基础上，利用机器自动检查现有数据，包括图形、空间、时间、逻辑一致性和冗余清洗。
4、梳理数据应用框架，构建指标模型系统
梳理数据应用框架，澄清数据之间的关联，明确各种数据的治理方向，形成数据应用清单。利用可视化数据模型定制工具和数据模型发布管理工具，将数据模型固化并落入系统，实现模型管理。
5、构建全方位数据运营机，建立业务数据双向互动机制
基于业务构建数据生命周期，建立可持续、全面的数据运行机制。数据系统运行机制的核心最终是实现与业务数据相关的模型，通过相关模型建立业务和数据之间的双向互动机制，以数据为导向完成业务的关键环节。
三、数据治理的目标
数据治理的目标是提高数据的质量（准确性、及时性、完整性、唯一性、一致性，有效性），确保数据的安全性（保密性、完整性及可用性），实现数据资源在各组织机构部门的共享，推进数据资源的整合、服务和共享，从而提升企事业单位信息化水平，充分发挥数据资产作用。实现如下目标：对业务的支撑；降低经营风险、安全保障；对决策进行支持；满足风险控制和外部监管要求；可企业持续发展

四、企业主流数据治理工具
通过实施数据治理工具，可以让数据质量变得更好，发掘数据资产的商业价值。比如利用亿信华辰睿治数据治理平台可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。
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，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。