大数据时代的到来，让政府、企业看到了数据资产的价值，快速开始探索应用场景和商业模式、建设技术平台。这无可厚非。但是，如果在大数据拼图中遗忘了数据治理，那么做再多的业务和技术投入也是徒劳的，因为很经典的一句话：Garbage in ，Garbage out，数据质量没有保证。而保证数据质量，数据治理是必须的手段。
一、什么是数据治理？
数据治理这项工作一直都是存在的，和数据库设计的三范式一样都是为了数据的管理。数据治理是一整套完整的组织、制度、技术管理行为。我们可以将大数据治理定义：大数据治是广义信息化治理计划的一部分，即制定与大数据有关的管理优化、数据保护、数据变现的政策。数据治理的对象包括数据、开发流程、管理流程、制度、组织。我认为只要和目标相关联的，都可以算作治理的对象，数据治理就是将关联方通过一套完整的管理行为，形成有序的工作以达成目标。
二、数据治理项目的关键点
1、识别数据和维护数据目录
由于各种数据的爆炸式增长，对数据进行编目并使该目录可供用户使用至关重要。组织需要一个可以轻松扩充和更新的业务术语表，因为新数据和现有数据的新用途将发挥作用。此外，环境能够跟踪与数据相关的各种资产至关重要。它的使用和加工，诸如MapReduce作业，用户方法（如可视化）和数据分析对象（如模型，子模型和源数据集）等技术组件都必须能够在数据字典中轻松表示。
2、探索该数据以识别机会
获得数据目录后，您需要一种很好的方法来查找该目录中的内容。组织内的不同角色需要以不同的方式看待事物。这应该与基于角色的视图和模板相结合，以及按角色定制导航，以使业务用户尽可能简单地找到他或她需要的内容。可以使用先进的机器学习和人工智能来帮助找到适当的数据。
3、确保系统可靠性和可用性
虽然高可用性和灾难恢复等概念通常不被归类为数据治理策略的组件，但这些功能对于数据是有价值资产的任何环境都至关重要。因此，数据治理策略必须包含高可用性和灾难恢复策略。毕竟，如果系统无法可靠地保持运行，那么数据将与相关的数据治理策略一起贬值。
4、保持数据的有效性
保持数据的有效性首先要建立围绕数据的系统政策和控制，并确保测量的数据准确性适合其用途。工作流和策略管理功能使了解数据的业务用户可以轻松地协作，协商和批准策略和过程。与IT服务管理系统集成后，可以将策略信息一旦最终确定，即可转移到IT部门进行实施，而不会丢失上下文以及策略及其要求的细节。
5、保护敏感数据
保护敏感数据需要几个步骤。首先，必须确定数据及其敏感性。其次，必须有一种方法可以明确说明围绕数据做什么以及由谁做的政策。第三，必须有一种系统的方法来收集这些信息并将其传播给数据的消费者和能够对信息实施物理控制的技术人员。这三个步骤通常是由实现合规性的需要驱动的，但也与您自己的内部政策相关联。
三、数据治理该怎么做？
1、做好长远计划，把所涉及的数据规划好
数据治理是一项耗时冗长的系统的工程，不仅要在组织方面有好的计划策略，更要在机制和制定标准等方面统筹谋划。在治理期间，要及时不断地结合当下情况调整组织结构，明确数据管理的关键职责，自上而下的推动数据治理工作。
2、健全相关体系，力争把数据管理好。
做好数据分级管理。综合考虑个人、社会、国家等多方面的因素，将数据按照一定的标准进行分级，基于相关目录将数据进行分级。对于不同的数据等级，理应采取不同的措施，实现精细化管理。
3、加强安全管控，保护好数据。
在数据治理过程中，一定要分析潜在的风险，对突发情况做好应对措施，加强安全管理控制，一定要防止非法操作窃取用户的信息，严防用户数据的泄露、篡改和滥用。
四、睿治数据治理工具
睿治数据治理平台是一个智能数据治理工具，可展示数据治理过程可视化视图。
1、数据治理：含数据治理十大模块。睿治智能数据治理工具由亿信华辰自主研发，融合数据集成管理、数据交换管理、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，各产品模块可独立或任意组合使用，打通数据治理各个环节，可快速满足政府、企业用户各类不同的数据治理场景。
2、数据所有权和管理能力：允许数据所有者管理与数据相关的问题。它还允许业务词汇表批准和内置工作流。自助服务：它提供当前环境的快照视图，允许利益相关者查看何时以及为何对特定数据资产进行了更改。这有助于预测影响、解决问题并提供变更的审计跟踪。
3、可视化：睿治为不同的利益相关者提供多个受控视图。它将技术数据描述映射到正确的业务上下文，以提供端到端的数据视图。它还提供系统内数据流的视觉效果。
4、业务词汇表：它允许用户创建和维护业务词汇表。
5、灵活性和兼容性：用户可以选择单独使用其中某一模块或与其他产品和解决方案一起使用。
6、合规性审计准备：它为收集哪些数据、存储在哪里、谁可以访问它以及如何使用它提供审计就绪的透明度。数据策略管理：它允许跟踪和集中管理数据策略。
