【个人对数据治理的理解】
汇聚多(数据)源，构建数仓 => 形成 数据中心[资源结构]
数据迁移/融合，统一数据标准，提升数据质量 => 形成 数据中心[资源数据]/数据资产
数据标签化，数据服务化 => 实现 数据变现
-
当前数据治理存在哪些问题和困难？ - 搜狐新闻
跨组织的沟通协调问题 / 投资决策的困难 / 工作的持续推进 / 技术选型
2不3难：
事后型治理，不一致 / 被动型治理(治理体系被分割)，不高效 / 误区型治理，难聚焦 / 项目型治理，难延续 / 兼职型治理，难落地
组织架构 / 数据治理工作流程(制度化) / 线上系统化
【数据治理工作流程(制度化)】执行层面，合理的治理流程是怎样的呢？
+ 业务架构梳理，界定范围
+ 拉通业务场景
+ 业务对象和业务元数据梳理（元数据管理）
+ 数据标准和数据规范制定（数据标准与数据质量规则）
+ 总体计划和方案制定（不同类型问题的解决方案）
+ 执行落地（方案落地）
【线上系统化】针对前期人工积累的数据治理内容，在系统上实现配置、自动监测告警、执行计划推送，实现数据生命周期管控。
+ 配置表字段的规则
+ 生成质量监控任务
+ 针对不同类型质量任务，推送解决策略
本文根据神策数据联合创始人 & CTO 曹犟发表的《数据治理中的一些挑战与应用》主题演讲整理而成。
- 数据治理的概念与重要性
- 数据治理面临的挑战
- 数据治理与组织架构
- 数据治理中的应对
[数据治理面临的挑战]
+ 多业务系统多数据源的整合挑战
+ 数据采集技术上的挑战
+ 用户隐私与安全挑战
+ 组织架构与部门隔阂带来的配合
+ 业务持续迭代中带来的挑战
[数据治理的三大原则]
数据治理原则 1：不要先污染后治理，要从源头控制
数据治理原则 2：数据治理的过程要贯穿到整个业务迭代的过程中
数据治理原则 3：以产品化、组件化的思路来解决，不能依赖于人工
数据源头不明确，造成数据唯一性、准确性问题
数据采集后，格式不统一，不完整，造成数据完整性、语法问题
数据不及时，造成时效性、准确性等问题
数据共享问题，有些数据仍不能方便地获得，或不能保障周期性地获得准确实时的数据
对历史数据和冗余数据尚无统一完善的处理办法
1 有效的高校内部数据标准体系，包括数据标准、管理标准、质量标准等内容，并保证各业务部门、各业务系统能得到落实与管控。
2 完成各业务系统的整合工作。
3 评估数据质量，生成数据质量报告。
