【個人對數據治理的理解】
匯聚多(數據)源，構建數倉 => 形成 數據中心[資源結構]
數據遷移/融合，統一數據標準，提升數據質量 => 形成 數據中心[資源數據]/數據資產
數據標籤化，數據服務化 => 實現 數據變現
-
當前數據治理存在哪些問題和困難？ - 搜狐新聞
跨組織的溝通協調問題 / 投資決策的困難 / 工作的持續推進 / 技術選型
2不3難：
事後型治理，不一致 / 被動型治理(治理體系被分割)，不高效 / 誤區型治理，難聚焦 / 項目型治理，難延續 / 兼職型治理，難落地
組織架構 / 數據治理工作流程(制度化) / 線上系統化
【數據治理工作流程(制度化)】執行層面，合理的治理流程是怎樣的呢？
+ 業務架構梳理，界定範圍
+ 拉通業務場景
+ 業務對象和業務元數據梳理（元數據管理）
+ 數據標準和數據規範制定（數據標準與數據質量規則）
+ 總體計劃和方案制定（不同類型問題的解決方案）
+ 執行落地（方案落地）
【線上系統化】針對前期人工積累的數據治理內容，在系統上實現配置、自動監測告警、執行計劃推送，實現數據生命週期管控。
+ 配置表字段的規則
+ 生成質量監控任務
+ 針對不同類型質量任務，推送解決策略
本文根據神策數據聯合創始人 & CTO 曹犟發表的《數據治理中的一些挑戰與應用》主題演講整理而成。
- 數據治理的概念與重要性
- 數據治理面臨的挑戰
- 數據治理與組織架構
- 數據治理中的應對
[數據治理面臨的挑戰]
+ 多業務系統多數據源的整合挑戰
+ 數據採集技術上的挑戰
+ 用戶隱私與安全挑戰
+ 組織架構與部門隔閡帶來的配合
+ 業務持續迭代中帶來的挑戰
[數據治理的三大原則]
數據治理原則 1：不要先污染後治理，要從源頭控制
數據治理原則 2：數據治理的過程要貫穿到整個業務迭代的過程中
數據治理原則 3：以產品化、組件化的思路來解決，不能依賴於人工
數據源頭不明確，造成數據唯一性、準確性問題
數據採集後，格式不統一，不完整，造成數據完整性、語法問題
數據不及時，造成時效性、準確性等問題
數據共享問題，有些數據仍不能方便地獲得，或不能保障週期性地獲得準確實時的數據
對歷史數據和冗餘數據尚無統一完善的處理辦法
1 有效的高校內部數據標準體系，包括數據標準、管理標準、質量標準等內容，並保證各業務部門、各業務系統能得到落實與管控。
2 完成各業務系統的整合工作。
3 評估數據質量，生成數據質量報告。
