数据质量和数据治理的关系 | 京东云技术团队

很多不太了解的人会认为：数据治理就是干数据清洗的。

近两年，在我们公司，数据治理团队在数据降本方面做的比较多，效果还不错，我们很多人可能以为：数据治理就是做数据清理的。

在京东科技集团数据治理工作组第一次全体会议上，我就讲过数据治理和数据清洗之间的关系：

数据清洗只是指通过识别和纠正数据中的错误、缺失、重复或不一致等问题，确保数据质量的过程。

我的观点是数据质量和数据治理是一体的，没有数据治理，就不可能有良好的数据质量。通过进行数据治理，我们实现了数据质量。怎么会这样？那是什么意思？让我们来了解一下。

1 数据质量管理

更准确地说，数据质量或数据质量管理侧重于确保数据符合我们的数据质量维度。数据质量有很多维度，比如：

•完整性：是否填写了所有相关字段？

•有效性：所有值都符合吗？地址字段是否在正确的顺序和正确的拼写？

•准确性：数据是否反映了现实世界中的人或物体？ 米老鼠可能不是一个真正的销售对象。

•一致性：数据是否与理解的模式一致？例如，出生日期的数据格式应为 YYYY/MM/DD/。

•唯一性：是否有重复的记录？

•及时性：它是最新的吗？

数据质量确保我们的数据符合这些维度。或者简单地说，数据质量管理确保我们拥有高质量的数据，干净的数据。

让我们扩展我们对数据质量管理的理解，并从DAMA国际的角度来看待它。数据质量是国际数据管理协会确定的11个数据管理领域之一：

1.数据治理通过建立一个考虑到企业需求的数据决策系统，为数据管理提供指导和监督。

2.数据架构定义了管理数据资产的蓝图，通过与建立战略数据需求的组织策略保持一致，并设计满足这些需求。

3.数据建模和设计是一个发现、分析、表示和交流精确形式的数据需求的过程。

4. 数据存储和操作包括设计、实现和支持使其价值最大化。操作在整个数据生命周期中提供支持，从规划数据到处理数据。

5.数据安全确保数据隐私和机密性得到保护，数据不被破坏，数据被适当访问。

6.数据集成和互操作性包括与数据存储、应用程序和组织内部之间的数据移动和整合相关的过程。

7.文档和内容包括计划、实施和控制活动，用于管理在一系列非结构化媒体中发现的数据和信息的生命周期，特别是支持法律和法规遵从性要求所需的文档。

8.参考数据和主数据包括核心关键共享数据的持续核对和维护，使系统能够一致地使用关于基本业务实体的最准确、最及时和最相关版本的真相。

9.数据仓库和商务智能包括计划、实施和控制过程，以管理决策支持数据，并使知识工作者能够通过分析和报告从数据中获取价值。

10.元数据包括规划、实施和控制活动，以便能够访问高质量的综合元数据，包括定义、模型、数据流和其他对理解数据及其创建、维护系统至关重要的信息并访问。

11.数据质量包括质量管理技术的计划和实施，以测量、评估和提高数据在组织内的适用性。

根据DAMA的说法，数据质量包括质量管理技术的计划和实施，以测量、评估和提高数据在组织内的适用性。

实际上，数据质量在大多数其他数据管理领域中都发挥着作用。要保证数据安全，就不可能没有好的数据质量，元数据与数据质量的关系也是双向的，数据架构也会对数据的质量起到一定的作用，反之亦然。处于中心地位的数据治理确保所有这些数据管理领域结合在一起。

2 无论治不治理，数据质量都在那里

到现在为止，你可能会说：“好吧，我有点明白了，但我们没有做数据治理，数据质量也挺好。”如果是这样的话，我认为有两种可能的现实：

•真的没有数据治理

•有隐形的数据治理

让我们更详细地看一下这两个案例。

2.1 真的没有数据治理

如果数据治理不存在，那么我们可能会遇到以下一种、部分或全部情况：

•数据质量不是企业级全域的：你也可能认为是覆盖企业范围的，比如ERP，这并不意味着数据质量是企业范围的。尤其是在像我们这样的大型组织中，因为可能存在数据质量规则，这些规则仅根据该企业系统的利益相关者的输入创建，但这可能会影响那些不是系统利益相关者或用户的人，比如有集成相关的系统用户，也可能是数仓或者下游数据用户。

•缺乏通用标准：可能会创建数据质量标准，但前提是它们与特定部门、业务单位或系统的需求有关。一旦其他部门或系统加入到数据质量计划的工作中，这些标准就会发生冲突，需要解决方法或完全更改。

•没有明确的角色和职责：可能会分配负责清洗和维护数据的资源，但资源类型因团队而异。当标准、定义和优先级发生冲突时，也可能不清楚谁拥有所有权，谁负责解决。

•数据质量管理大多是被动的：这主要是数据质量管理处于早期阶段，也意味着缺乏数据治理。数据质量问题是以被动的方式识别和处理的，并不总是解决问题的根本原因。

2.2 有隐形的数据治理

就目前我们公司的现状开看，作为产研、数仓、数据集市、数据分析等团队成员，你实际上可能会说：“好吧，我们并没有像你上面描述的那样糟糕”。您实际上可能有：

•数据质量要求

•数据质量校验规则

•数据质量测试，甚至是监控

•数据质量问题处理

那么，你可能就有了我喜欢称之为“卧底数据治理”的东西。你可能有很多数据治理的工作内容，但没有正式、正规和专业化的数据治理。

3 数据质量和数据治理关系

我想我已经从上一节中明确指出，数据治理和数据质量是共生关系。它们是同一枚硬币的两面。没有数据治理，就不可能有良好的数据质量，而数据治理实施必须非常有效，才能从根本上解决数据质量问题。

实际上，数据质量和数据治理之间存在相当多的重叠，如下图所示：

数据治理描述了谁需要做什么、在什么条件下对什么数据执行操作，以及使用哪些流程、程序、工具和总体最佳实践。因此，很多因素都会对数据质量产生有益的影响，但不仅如此。业务规则、数据标准、指标、角色和职责等都有利于数据质量，因此是重叠的，但不仅仅是数据质量。主数据管理、数据可访问性、数据集成、元数据管理、BI，甚至数据安全等等都有直接的好处。

当然，也有一些领域只与数据质量有关，例如：数据概要分析、数据匹配、根因分析和数据清洗。

4 总结

很多时候，数据质量是数据治理的驱动因素之一，这是数据治理计划的最初重点，因此两者之间可能会混淆。但它们并不相同，它们是同一枚硬币的两面，而不是两枚硬币。

作者：京东科技 李然辉

来源：京东云开发者社区 转载请注明来源