数据治理包含哪些内容

数据治理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。

    当业务规模增长后，业务对数据提出了准确性、及时性等要求，原有的模式已不能满足业务需求，数据治理应运而生。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。通常包括组织建设、数据安全、数据开发、数据质量、元数据管理、数据价值等内容。

元数据管理

    元数据从数据的角度可以分为三类：业务元数据、技术元数据和管理元数据。
    业务元数据是从业务的视角去描述数据，让不懂数据的人可以快速读懂数据，例如：表名称、表的血缘关系、表的字段说明、指标的统计口径等多种业务描述；技术元数据就是从技术的角度去描述数据，例如：表的sql、字段长度、字段类型等多种技术描述；管理元数据是包含数据管理的信息在里面，例如：表的业务属主、表的技术负责人。

数据安全

    数据安全主要是对数据的安全脱敏管控和安全检查，脱敏机制有两种方案：
    1）在数据仓库的接入和输出进行脱敏管控：数据接入识别敏感信息，通过脱敏工具进行脱敏处理，产生脱敏表和敏感表两张表（脱敏表与敏感表之间要有映射关系），敏感数据不对中间层开放，对于数仓中间层则只有脱敏表，开发和测试的时候也只能使用脱敏表，在数据输出层，首先应用层的开发先对敏感数据进行申请，申请通过后得到敏感表的使用权，开发通过映射关系将敏感表的脱敏数据进行关联处理。这种方案安全易管控，脱敏过程少，但会增加开发的工作量。
    2）针对用户进行脱敏管理，数据仓库的每一层都需要对敏感数据进行脱敏处理，对于敏感数据申请权限的用户可以查看敏感信息，没有权限的用户只能查看脱敏表。这种脱敏机制好处在于对开发没什么影响，但加大安全管理的复杂度，需要全域扫描敏感信息，脱敏工作大。

数据质量

    数据质量的提升通常包含以下几个方面：
1）数据质量评估，提供数据质量评估能力，如数据一致性、完整性、正确性、合规性、及时性等，对数据进行全面检查；
2）数据质量检查，提供可配置化的检查规则，通过脚本定时调度执行；
3）数据质量监控，提供报警规则，根据配置检查规则的阀值，对超出阀值的进行不同程级的告警和通知；
4）问题处理机制，对数据问题按照流程进行处理，规范问题处理机制和步骤，强化问题认证，提高数据质量；
5）根据血缘关系和业务场景锁定高价值数据，进行高安全级别管控，避免数据出错。

数据价值

    数据治理最重要的产出物，通过数据治理能为业务带来的业务价值。对于不同数据角色定义不同的价值。
    对于数据业务分析人员，通过数据标准化管理和平台搭建，让不懂数据的业务能够快速掌握数据，并可以自己进行数据挖掘、数据分析等工作。
    对于高层领导，将公司的业务数据以报告的形式，让领导快速了解数据的成本及分布情况。当然不同的公司侧重的价值会不一样，数据治理同时也能有效的控制数据成本，减少因为数据带来的摩擦，提升数据质量和安全。

数据开发

    对数据开发进行标准的流程管理是数据治理核心的一部分，首先根据公司实际情况分析、制定可落地的数据开发管理规范。过于复杂的数据开发规范维护成本高，同时也加重开发工作量，导致难以执行。过于简单的规范又无法很好的管理开发流程。最主要的还是定制完规范后对各关联方进行评审，对可落地，可管理的角度进行评估规范，执行落地。

组织建设

    数据组织是保障数据治理能够长期有效的重要手段之一，通常数据组织都是可以跨职责的，组织的职能和分类如下：
1）数据治理委员会，在公司内部拥有数据的最高决策权，代表了企业的高层视角
2）数据管理指导委员会，为数据委员会提供支持，针对一些具体数据管理措施起草相关政策和标准，提供委员会评审和批准
3）数据管理制度团队，在某个业务领域内，协助完成数据制度管理的数据管理专员小组，数据管理制度团队来着不同的部门和跨业务领域的数据专家

    目前市面上的主流数据治理平台：亿信华辰-睿治数据治理平台。睿治是一款覆盖数据全生命周期的数据治理平台，它通过对数据从创建到消亡的全过程的监控和治理，实现数据的统一管理，为企业保证了业务数据在采集、集中、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性，从而帮助客户建立起符合自身特征的数据架构和数据治理体系。