极客星球 | 数据治理一体化在MobTech金融风控场景下的实践

​编者按：8月28日，由Datafuntalk发起的DataFunSummit数据安全与治理峰会在云端举行。MobTech袤博科技受邀参加，大数据架构专家陈远光分享了数据治理一体化在MobTech金融风控场景下的实践和应用案例，带你走进数据应用与治理一体化的世界。

企业数据治理的必须性与好处

武侠世界里有句话：“有江湖的地方就有是非。”同样，有数据的地方就需要治理。对于数据智能公司来说，面对海量的数据，不同的数据源、不同部门人员使用、不同的业务分析需求以及不同的应用方式等不确定因素纠集在一起，如果规划管理不当，很容易出现各类问题：
1.系统林立，数据孤岛，数据烟囱式发展没有有效的融合；
2.数据冗余，缺乏规划，数据存储混乱，建模不合理，数据使用单次结果导向型，没有统一规划，造成存储和计算资源的浪费和管理的混乱；
3.对数据使用需求不明确、不统一，造成二次开发，数据复用率低、管理难度大；
4.最直观的结果就是数据质量低下，企业数据无法深度挖掘深，实际价值没有展现出来。

数据治理毫无疑问需要企业前期投入大量人力物力建设，后期规范化使用也会很“麻烦”，需要制度化约束管理开发人员的日常实施。那么数据治理对于企业来说，值不值投入呢？

从哪些角度做数据治理

数据治理是一个很大的范畴，从数据沉淀、数据存储、数据分析到数据的应用输出，都离不开数据的安全与治理。在整个数据链路的过程中里面任何一个模块都有很大的建设空间。但总的来说数据治理是一整套的方法论，即成熟的数据治理体系化、模块化、工程化。

对企业来说，如何系统化规划设计数据治理一体化架构呢？MobTech袤博科技基于多年的数据管理和治理经验，抽象出如下四大数据治理维度。当然每个企业应该根据自己公司实际情况，如数据规模，业务场景，数据特点等因素有选择有重点的建设自数据治理体系。前者越复杂，规模越大，需要的数据治理的功能越完善，治理的细节越丰富，指标体系越健全。

数据智能企业数据治理一体化架构建设

罗马不是一日建成的，数据治理一体化架构也是随着公司的业务发展，海量数据沉淀，需求繁巨，管理难度大等现状逐步迭代才有了今天较为完善的规模。

截止至当前，公司整个数据管理平台抽象出5大系统，协同保障SLA。分别是安全管理系统、资产管理系统、数据质量系统、模型管理系统以及监控告警系统，下面分别进行详细的讲解。

1.安全管理系统

首先数据安全从最基本的数据容灾，异地灾备机房的建设，数据存储的多副本机制等方面从硬件基础层面保障数据的安全；其次数据层面数据合理化采集，敏感数据脱敏，数据通过网路加密传输，加密存储等方式，最终实现符合国家数据安全要求的数据合规。对于企业来说，存储数据后，数据的使用，如怎么通过分级来做权限的隔离等；同时企业也需要通过建立健全完善的数据管理制度，数据审批制度等来进一步约束数据的使用，保障企业数据的安全。MobTech立志构建全方位的数据安全管理系统，从多维机制保障数据的安全。

2.数据模型管理系统

共分为四大模块：
1）模型创建：

 如模型设计、数仓的分成、选择哪个主题、模型的命名、类型、模型中词根选择。模型建模选择是维度建模还是anchor模式、公共维度和关联关系如何处理等；

2）模型校验：

 数仓模型规范性检测，如模型中常用词汇是否在词库中，四大词库、基础词库、金融词库、地理词库、营销类词库、字段一致性校验；如字段有没有加COMMENT，分层存储格式是否正确等；如模型的重复率（避免构建大量重复模型）判断等；

3）模型审核：

 生产发布要求小组负责人代码review、代码规范、模型规范、有没有出现跨层调用数据情况、分层主题设计是否合理、模型是否符合维度建模规范等等。这些都没问题，才可以审批上线；

4）模型维护：模型的修改，要保留历史版本控制，变更需添加注释；模型的废弃上下线监测。

3. 资产管理平台

主要功能模块如上图，血缘这块是我们自主基于hive Hook， spark Listener等定制开发的。整个资产平台分成四大模块，有供开发人员使用的血缘链路分析、元数据管理、检索等，也有供Boss提供决策依据的资产全景看板等。

4. 调度监控告警管理系统
   平台基于Apache dolphinscheduler开源版本进行二次定制化开发，新增了很多模块化功能，如任务管理，任务治理分析模块。任务治理模块，基于YARN API接口收集到Job 日志信息对任务运行情况T+1实施诊断，通过特定算法对任务运行评分，推荐优化，如参数是否合理，任务是否长尾现象，任务监控统计管理等功能，保障任务运行更稳定，计算性能更强劲，资源投入产出比更高。

5.数据质量监控系统（QC）

主要结合调度系统，嵌入式二次开发，通过熔断机制解决了QC系统传统的资源浪费问题。传统QC系统通过任务后配置依赖的质量监控任务，监控异常后告警，但是不会对下游任务的执行进行阻断，告警处理后下游任务仍需要重跑，浪费资源。

MobTech的 QC系统通过可选框式配置质量监控规则，配置提交后后台自动生成依赖监控任务，可选式配置任务熔断选项。这样一旦触发熔断机制，该任务的下游所有任务都会暂停，等待该告警的处理或者忽略，达到减少资源的浪费和降低集群的负载。

数据治理一体化对于每个企业来说都是任重道远的过程，MobTech一直在路上，欢迎大家共同探讨交流。