一. 什么是数据治理
数据治理是指充分运用大数据、云计算、人工智能等先进技术，实现治理手段的智能化。
二. 数据治理的问题
目前大数据平台的数据治理突出问题主要体现在以下四方面:
数据不可知:广大用户对于大数据平台中的很多信息都不能进行有效获取，对于诸多信息与业务之间的内在联系更无从得知。
数据不可控:此问题始终存在于传统的数据平台中，尤其是随着大数据时代的到来，这种问题更加显著。
数据不可取:尽管很多用户对于自身所需的数据非常明确，但是却无法真正方便快捷地获取到信息。
数据不可联:虽然随着大数据时代的到来，可以更为迅速地获得大量信息，不过所获取的数据或知识间依然欠缺关联性。
三. 数据治理的目标
数据治理的最终目标是提升数据的价值，数据治理非常有必要，数据治理是实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。
四. 数据治理的主要功能
数据治理通常包含以下几个功能方面：主数据管理、元数据管理、数据标准管理、数据质量管理、数据集成管理、数据资产管理、数据安全管理、数据交换管理、数据生命周期管理方面。
1.主数据（Master Data）就是关于业务实体的数据。主数据是关键业务实体的最权威、最准确、价值最大的数据，用于建立交易闭环。
2.元数据（Meta-data）是描述数据的数据。元数据又分为业务元数据、技术元数据、操作元数据、管理元数据。
业务元数据：与业务规则、流程相关的描述性数据
技术元数据：与存储、访问等技术底层相关描述性数据
操作元数据：与数据操作相关的描述性数据
管理元数据：与数据管理相关的描述性数据
3.数据标准（Data Standards）是进行数据标准化的主要依据，构建一套完整的数据标准体系是开展数据标准管理工作的良好基础，有利于打通数据底层的互通性，提升数据的可用性。
数据模型标准图
4.数据质量就是确保组织拥有的数据完整且准确，只有完整、准确的数据才可以供用户分析、共享使用，随着数据的来源、形式越来越多，数据质量的战略价值也急剧上升。
5.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，从而提供全面的数据共享。数据集成包括数据处理、数据加工、数据汇集等。
6.数据资产管理就是汇总、存储所有参与数据治理平台的各个系统的数据资产，确保数据资产的一致性和完整性，让管理者可以一目了然的了解到所有资产，提供决策依据，提升数据资产的价值。
7.有些数据非常重要且敏感，这些数据大部分集中在应用系统中，因此数据安全在数据管理和治理过程中是相当重要的。数据安全管理包括数据权限管理、数据脱敏、数据加密等。
8.任何事物都具有一定的生命周期，数据也不例外。从数据的产生、加工、使用乃至消亡都应该有一个科学的管理办法，将极少或者不再使用的数据从系统中剥离出来，并通过核实的存储设备进行保留。数据生命周期一般包含在线阶段、归档阶段、销毁阶段三大阶段。
9.随着信息系统的增加，各自孤立工作的信息系统将会造成大量的冗余数据和业务人员的重复劳动。通过建立数据交换管理平台，实现重要的内部系统之间无缝的数据共享和交换，避免“数据孤岛”问题。
声明：我们推送的每一篇文章，都会注明来源和作者，版权归原作者所有，仅供分享学习，不做商业用途。若未能找到作者和原始出处还望谅解；如有侵权，请联系本微信后台，我们会在第一时间删除并致歉。
IT综合服务商
智慧城市规划设计与实施
