当前位置： 首页 >> 数据资产 >> 数据治理

---

数据治理

2020-07-02 22:13:01 星期四  阅读：2258

---

####数据治理——保障数据资产的质量 如果数据没有经过良好的治理，就没有办法相信手中的数据是可靠的，没有办法很好地使用数据，发挥不出数据本身的价值。 **数据治理的6个目标**如下 - 提升数据质量 构建统一的，可执行的数据标准 良好地响应数据生产者、消费者、数据处理技术人员的需求 培训组织内所有的管理层和员工，让大家采用共同的解决数据问题的方法 实现可重复的数据管理流程，并确保流程透明； 实现数据的可持续运营，数据资产的增值 ####数据治理的6个原则 `标准化原则`：指定可参考、可落地的标准 `透明原则`：数据问题的发现，都应该是公开透明的，让相关人员清楚正在发生的事情 `数据的认责与问责`：数据的问责和考核制度是确保数据治理工作真正落地的制度保障 `平衡原则`：必须在代价和收益之间取得平衡，往往没有必要追求100%的数据质量 `变更原则`：既要控制数据的变更流程，也要主动适应这些变化，推动标准更新 `持续改进原则`：数据治理费朝夕之功，需要持续推动，不断改进，形成长效机制 ####数据管理的成熟度等级划分 初始级：没有统一的管理流程 受管理级：组织已经意识到数据是资产 稳健级：数据已经被当做实现组织绩效目标的重要资产 量化管理级：数据被认为是获取竞争优势的重要资源 优化级：数据被认为是组织生存和发展的基础 ####数据治理的三个发展趋势 - 从质量管理到质量与服务并重 **人工智能大幅提升数据治理效率**：通过应用机器学习技术，来识别哪些数据可能有问题，使用自动化完成治理工作 以元数据为核心的分布式数据治理：无论数据在何处（边缘计算、云计算等），都可以通过元数据关联起来 ####数据资产管理与数据治理的关系 传统的数据治理包括 ```bash 数据标准管理 元数据管理 数据质量管理 数据安全管理 数据生命周期管理 ``` 数据资产管理在数据治理的基础上，加入了： ``` 数据价值管理 数据共享管理 ``` 所以，`数据资产管理其实就是传统数据治理的升级版`，可以认为是数据治理2.0