如何建立数据治理体系？

数据治理体系
 

数据治理体系内容从两个维度来看：

1）数据治理难点痛点：数据脉络不清晰、数据汇聚能力不足、数据管控能力薄弱、数据治理体系不完善、开放形式不完善。

2）数据治理5个核心：理、聚、管、治、用。

有什么数据 - 数据是什么 - 来自何处 - 如何流转 - 谁可以访问

其本质也是一种数据，，开展元数据管理工作是开展数据资产管理的基础。

业务元数据：描述数据系统中业务领域相关概念、关系和规则的数据；包括业务术语、信息分类、指标、统计口径等。（从业务角度描述的）

技术元数据：描述数据系统中技术领域相关的概念、关系和规则的数据；包括数据平台内对象和数据结构的定义、源数据到目的数据的映射、数据转换加工过程的描述等。

管理元数据：描述数据系统中管理领域相关概念、关系、规则的数据；主要包括人员角色、岗位职责、管理流程等信息。

1、第一阶段：需要手动管理元数据，即在数据治理流程外需要额外增加的步骤。

2、第二阶段：在数据探查阶段自动生成元数据。

3、第三阶段：自动构建数据流转元数据。

元数据管理方法：

元数据管理能力：

主要构成：业务定义+管理信息+技术属性

数据标准包含内容包括：主题&分类+标注属性+标准代码

不同行业的标准不同，这里仅是举例说明。

如：性别、身份证、金额、手机号码、行业、级别的分级分类的代码等

基础类数据标准：业务化视角

指标类数据标准：从管理角度出发

数据标准的制定是一个以业务管理为主导、外部要求为依据、企业现状为基础的兼容过程。

通过统一标准和架构规范，统一指标、统一术语、统一模型、统一信息项，解决数据口径解释不清晰、业务和数据理解不一致等问题，实现数据在架构层面的统一

但并非所有基础类数据都要建立标准，纳入标准的数据项需要满足共享性、重要性和可行性的准入原则。

定义：分析类数据标准的业务含义和所适用的业务场景保持一致。

口径：分析类数据标准的业务取值范围、计算方法和编码规则等业务规则保持一直。

名称：分析类数据标准中文名称和英文名称均采用统一命名规则，表示相同业务含义的信息项名称应保持一直。

参照：各分析类数据标准项标准化时参考的外部标准（包括国际标准、国家标准和行业标准），内部业务制度和业务规范应保持一致。

来源：每个分析类数据标准都应有权威的来源系统；其他系统使用该信息时应直接取用权威系统结果，以保持一致。

以下为某企业数据标准体系框架示例，分为基础类数据标准和管理类数据标准
 

企业级数据模型建设方法：从全局入手，涉及标准化数据模型，构建统一的数据模型管控体系，丰富和完善数据实体相关属性信息，梳理数据实体之间的逻辑关系，最终形成不同主题域数据模型。

数据集成

数据集成：主要是指基于企业分散的信息系统的业务数据进行再集中、再统一管理的过程，是一个渐进的过程，主要有新的、不同的数据产生，就不断有数据集成的步骤和方案执行。数据集成是把不同来源、格式、特点性质的数据在逻辑上或物理上有机的集中，从而为企业数据共享提供基础支撑。

按照两个大的阶段来划分：数据治理规划阶段+数据生命周期管理阶段

数据治理规划阶段：

数据生命周期管理阶段：

要求：

2.定义数据质量控制的标准和规范，并作文整个数据生命周期的一部分

3.定义和事实测量、监控和报告数据质量水平的过程

 

4.根据数据消费者要求，通过改变流程和系统，以及参与可显著改善数据质量的活动，识别和倡导提高数据质量的机会

 

7.2、生命周期

计划阶段：数据质量团队评估已知的问题范围、影响和优先级，并评估解决这些问题的备选方案。

 

执行计划：数据质量团队负责努力解决引起问题的根本原因，并做出对持续监控数据的计划（技术问题、流程问题）。

 

检查阶段：这一阶段包括积极监控按要求评测的数据质量。

 

处理阶段：处理和解决新出现的数据质量问题的活动。

 

7.3、数据质量维度

 

7.4 数据质量常用工具

 

 

 

数据开发

 

围绕数据价值通道（数据资产 -> 数据服务 -> 业务应用）来设计数据开发的全流程管理，推动数据价值的释放。

 

 

8.1 数据资产

 

数据资产的应用实现方式，打通基础数据链条，实现联通协同，提升数据价值

 

 

数据资产生命周期：注册、变更、监控、下线

 

 

8.2 数据服务

 

 

数据服务技术架构:

 

 

 

数据安全

 

数据安全体系包含：数据安全技术体系+安全管理体系+安全运营体系
 

 

 

 

ETL

 

10.1、含义

 

10.2、ETL模式

10.3、离线和实时

实时数据：

离线数据：

使用场景：