企业如何开展数据治理项目

从大的阶段来看，数据治理主要分为存量数据“由乱到治”的阶段，以及增量数据严格按照规章制度实施确保“行不逾矩”的运营阶段。在“由乱到治”的过程中，我们需要沉淀出规章制度、标准规范，以及辅以规章制度标准规范实施的工具和组织。在增量数据的运营阶段，我们主要靠对应的组织确保规章制度的落实，通过审计定期考察实施效果，并在长期的运营中不断完善规章制度。在实现存量数据“由乱到治”的阶段，我们主要采取了“两步走”策略，具体执行策略如下所示。

定标准，提质量

第一步，主要围绕着业务标准、技术标准、数据安全标准和资源管理标准进行展开。通过业务标准，指导一线团队完成指标的规范定义，最终达成业务对指标认知一致性这一目标；然后通过技术标准来指导研发同学规范建模，从技术层面解决模型扩展性差、冗余多等问题并保障数据一致性；通过安全标准来指导我们加强数据的安全管控，确保数据拿不走、走不脱，针对敏感数据，用户看不懂；通过资源管理标准的制定，帮助我们在事前做好资源预算，在事中做好资源管理，在事后做好账单管理。

业务标准

业务标准主要是指标的管理和运营标准，我们主要解决三个问题：指标由谁来定义，指标该如何定义，指标该如何运营。

技术标准

这里所说的技术标准，主要是针对数据RD提出的建模标准和数据生产规范，通过建模标准来明确数仓分层架构，并清晰定义每一层的边界与职责，采用维度建模的设计理念。我们的整个仓库架构分为四层：操作层、基础事实层、中间层和应用层，并在每一层同步制定对应的建模规范。

安全标准

围绕数据安全标准，首先要有数据的分级、分类标准，确保数据在上线前有着准确的密级。第二，针对数据使用方，要有明确的角色授权标准，通过分级分类和角色授权，来保障重要数据拿不走。第三，针对敏感数据，要有隐私管理标准，保障敏感数据的安全存储，即使未授权用户绕过权限管理拿到敏感数据，也要确保其看不懂。第四，通过制定审计标准，为后续的审计提供审计依据，确保数据走不脱。

资源管理标准

在资源管理方面，配送技术工程部已经对资源管理涉及的内容进行了合理抽象和准确定义，抽象出租户、资源和项目组等概念。不管是后续的资源预算还是资源管理，我们都需要基于租户和项目组来进行运营，因此，对于业务团队而言，我们只需要将租户和项目组特定职能划分清楚，然后根据不同的职能归属我们的资产，并分配生产该资产所需要的资源。为了方便后续的运营，我们对每个租户和项目组分配确定了责任人，由责任人对运营结果负责。

数据治理工具简介

亿信华辰经过十余年技术沉淀和项目锤炼，全面推出一站式数据治理管理平台-睿治，帮助企业搭建数据治理全栈解决方案，由元数据、数据标准、数据质量、数据集成、主数据、数据资产、数据交换、生命周期、数据安全等多产品组成。睿治作为一个智能敏捷的数据全生命周期管理应用平台，全方位保障企业业务数据在采集、集成、交换、存储、应用等一系列业务流程中的完整性、准确性、一致性和时效性。

睿治针对数据治理的整体框架和流程，一图以蔽之：

一站式解决方案

睿治平台融合数据治理9大产品，提供一站式解决方案。有了睿治，数据治理的所有问题那都不是事儿！9个产品模块功能可互相调用，全程可视化操作，打通数据治理各个环节，同时提供各个产品模块任意组合，快速解决企业不同的数据治理场景。

全面自动的元数据管理——

元数据管理致力于处理技术元数据、业务元数据、管理元数据，通过丰富的元数据分析和检核，帮助各行各业用户获得更多的数据洞察力，进而挖掘出隐藏在资源中的价值。

规范统一的数据标准——

睿治平台提供了一套完整的数据标准管理流程及办法，通过统一的数据标准制定和发布等一系列的活动，结合制度约束、系统控制等手段，实现企业大数据平台数据的完整性、有效性、一致性、规范性、开放性和共享性管理。

智能高效的数据质量——

睿治平台内置了多种质量检查规则可供选择，并支持数据质量检查方案的定义和管理。同时提供多种形式的问题数据分析功能、统计报表功能、数据质量分析报告及统一调度整改计划。

简单易用的数据交换——

通过睿治平台，可实现若干个业务子系统之间进行数据或者文件的传输和共享，提高信息资源的利用率，保证了分布在异构系统之间的信息的互联互通，完成数据的收集、集中、处理、分发、加载、传输，构造统一的数据及文件的传输交换。

丰富全面的数据集成——睿治平台提供了丰富的数据处理组件，如：常用组件、输入输出、转换组件、数仓组件、脚本组件等，可高效快速完成数据的传输、清洗转换、装载落地等处理过程，保证数据可靠性。

直观清晰的数据资产管理——

可进行不同角色的目录化管理，分析数据资产之间的关系；

统一共享的主数据——可为各业务系统数据调用提供黄金数据；

贯穿全程的数据安全——用于保证数据的安全性，提供对隐私数据的加密、模糊化处理；

便捷睿智的数据生命周期——对数据的全生命周期进行管理，按你所想进行自动归档和销毁，从而真正全方位的把控数据。

数据治理是一个系统的、大型的、长期的工程，是数据问题的全面解决之道，只有让数据质量更好，一切建立在大数据之上的分析及应用才有意义。