数据治理核心概念

数据分类

数据分类	描述
主数据 Master Data	主数据是关于业务实体的数据，描述组织内的“物”，如：人、地点，客户，产品等。
交易数据（事务数据） Transactional Data	交易数据（事务数据）描述组织业务运营过程中的内部或外部事件或交易记录。如：销售订单，通话记录等。
参考数据 Reference Data	参考数据是用于将其他数据进行分类或目录整编的数据，规定参考数据值是几个允许值之一。如：客户等级分为A，B，C三级。
元数椐 Meta Data	元数据是描述数据的数据，帮助理解、获取、使用数据，分为技术元数据、业务元数据等。
统计分折数据（指标） Analytical Data	统计分析数据是对企业业务活动进行统计分析的数值型数据，如：指标，举例：客户数等。

        为什么要谈数据分类，因为对每类数据进行治理时，关注点、方法和效果都不同，需要区别对待。下面谈一点我个人的理解。
        主数据关注的是”人"和”物”，主数据管理 （MDM) 是数据治理领城一个专门的话题，其主要目的是对关键业务实体（如员工、客户、产品、供应商等）建立统一视图，让客观世界里本是同一个人或物，在数据世界里也能做到唯一识别，而不是在不同系统、不同业务中成为不同的人或物。主数据管理在各行业企业已经有大量的实践，受限于时间，今天不单独展开，其核心管理思想是和后面要谈的数据治理方法一脉相承的；
        交易数据关注的是“事”，交易数据没有形成单独的数据治理领城，由于交易数据是B1分析的基础，因此往往在数据质量管理中重点关注；
        参考数据是更细粒度的数据，是对"人"“事〞"物”的某些属性进行规范性描述的，对参考数据的管理一般会与主数据管理同时进行，或与B数据质量管理同时进行，因为指标维度和维值直接影响到B数据质量；
        元数据是一个包罗万象的概念，其本质是为数据提供描述，所以任何数据都有元数据。数据治理领城的元数据，更多是指Bl、数据仓库这个范畴内的元数据（国际上有Common Warehouse Meta-model规范》，此外还有信息资源管理的元数据（如Dublin core协议）、地理信息元数据、气象元数据等等。正因为如此广泛，也造成了从业者对其有极高的预期以及实践后的极大失落。

        多说两向元数据：我个人从事过4年左右元数据管理的产品设计和方案规划，但现在极少谈”元数据”，而是谈"数据定义"，谈数据必谈定义，但却又不将其作为专门一类数据来管理，在数据治理领域单独做元数据管理，收效甚微。
        主要原因有两点：1.数据生产与数据管理脱节，元数据管理更多是在数据生产的事后进行元数据收集和应用展现，对数据生产起到的管控作用极小;2.工具自身问题：虽然很多工具都号称支持CWM规范，但元数据自动获取始终是技术难题，而且对于存储过程、自定义脚本很难自动解析和获取，就无法准确、 完整展现细节的数据处理过程。
        统计分析数据（指标），无需多言，目 前BI系统建设的主要作用就是做各种指标和报表的计算和展示。指标往往是数据治理的重点，指标的数据流分析、指标数值的波动性、平衡性监控，几乎是各个企业做数据治理的必备应用。

什么是数据治理

        谈完数据分类，再来谈"什么是数据治理”。数据治理的英文是DataGovernance，不同软件厂商和咨询公司给出的定义也会有所不同，但本质都是相似的。我这里引用《DAMA 数据管理知识体系指南》 一书给出的定义：数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行）。数据治理职能指导其他数据管理职能如何执行。可能有些抽象，有图有真相，下面这张图说明了数据治理与其他几个数据管理职能的关系。

        可以看到数据治理贯穿在数据管理的整个过程中，重点关注的是有关数据的战路、组织、制度等高层次的话题，并通过制定和推行战略、组织、制度，将其他几个数据管理职能贯穿、协同在一起，让企业的数据工作能够成为一个有机的整体而不是各自为政。
        有关Data Governance的中文翻译，国内最常见的翻法有两种：数据治理、数据管控。国内客户似乎更喜欢数据管控，因为这个词有力度、体现权威。我个人从实践层面的体会：治理与管控缺一不可，治理在前、管控在后，治理针对的是存量数据，是个由乱到治、建章立制的过程，而管控针对的是增量数据，实现的是执法必严、行不逾矩的约束。

        为什么要做数据治理？下面是一份国际数据质量协会的调研结果可以参考：

        

参考：[干货]御数坊：数据治理的理论、实践与发展趋势