数据治理平台包含哪些功能，如何搭建

数据治理是由企业数据治理部门发起并推行的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。实施要点主要包含制定数据标准、数据规划、搭建数据管理工具、整理数据、构建运维体系及推广贯标六大部分，其中制定数据标准是基础、数据规划是纲领、搭建数据管理工具是技术手段、整理数据是过程、构建运维体系是前提，推广贯标是持续保障。

一、数据治理的定义
数据治理是由企业数据治理部门发起并推行的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。实施要点主要包含制定数据标准、数据规划、搭建数据管理工具、整理数据、构建运维体系及推广贯标六大部分，其中制定数据标准是基础、数据规划是纲领、搭建数据管理工具是技术手段、整理数据是过程、构建运维体系是前提，推广贯标是持续保障。
数据治理涉及到企业和单位多个领域，既要做好顶层设计，又要解决好统一标准、统一流程、统一管理体系等问题，同时也要解决好数据采集、数据清洗、数据对接和应用集成等相关问题。数据的质量直接影响着数据的价值，并且直接影响着数据分析的结果以及我们以此做出的决策的质量。数据治理的最终目标就是提高数据的质量，发挥数据资产价值。

二、数据治理平台的五种关键能力
1、不同网段下和系统间的数据交换能力
数据治理基于统一的数据交换服务，强调端到端的数据交换。状态传感器技术能有效提升分布式传输过程中的状态感知能力，事务处理机制保证了交换的数据一致性。使得跨系统和网段下都能稳定运行，杜绝长时间处理情况下的通讯挂起现象，数据传输变得更加通畅。
2、微服务架构能力
微服务系统下的各种类型的数据交换及其处理都是以服务的方式存在，能进行独立的迭代与部署，互不影响且能高效协同。形成满足不同需要的服务组合、可重用；能够快速生成服务模型（交换、传输、整合、数据质量、共享等）, 服务松耦合，可以安全调度使用；同时能有效应对未来可能出现的技术迭代、组件拆卸与重构。
3、强调交换过程中的数据处理能力
数据清洗永远是一个繁琐但又必要的过程，如果以传统方式进行清洗，需要依赖于人工的ETL工作，写大量SQL语句。但通过数据治理平台，可以实现特定清洗逻辑的封装，进而实现交换过程中的逻辑判断（包括逻辑判断、格式检查、组合检查、范围检查等）、数据转换（包括格式转换，数据脱敏处理、代码的统一等）、数据路由等处理。此外，在交换过程中，还能对数据质量检查，设置检查规则，并记录数据异常以提供元数据分析。
4、全方位的数据治理支持能力
1）数据质量检查（包括数据重复相似检查、常规数据质量检查、数据比对）、数据质量报告、问题数据处理等。
2)数据模型管理，包括元数据管理、数据建模等。
3)数据安全管理，包括数据服务授权管理、数据模型授权管理、安全审计、数据脱敏处理等。
4)数据资产可视化，包括血缘关系、数据地图、数据图谱等。
5、一体化数据交换和治理能力
数据治理平台基于统一架构、工具、元数据管理、运行支撑，从而实现数据采集、治理（含数据模型管理、元数据管理、数据图谱、数据安全、数据质量）、加工、交换、共享等功能。

三、如何搭建治理平台
亿信华辰自主研发的睿治智能数据治理平台是目前国内功能齐全的数据治理工具，融合实时计算存储、元数据管理、数据集成、数据交换、主数据管理、数据资产管理、数据标准管理、数据质量管理、数据安全管理、数据生命周期管理等十大模块，覆盖数据全生命周期，采用微服务架构，融合度高，延展性强；实现数据从创建到消亡全生命周期的可视化，也实现全角色的可视化；不仅如此，丰富的智能元素和功能，大大缩短数据管理周期、减少成本浪费。