治理：没有规矩不成方圆

（治理是对业务、应用与技术的管理，通过组织、人员、流程来保障，由于操作型应用与分析型应用的特点不同，治理重点也不一样）

“没有规矩不成方圆”，同样道理，再好的企业架构模式如何没有好的治理方法和手段也会沦为空谈。

到此为止，我们按照构造房子的方法已经完成了这座神奇的小房子的构建，那么房子是不是符合要求，是不是能够入住以及入住后出现问题怎样解决等等还需要通过有效的治理来完成。

从治理的目的来看，无非是将这种企业架构的各个部分良好地衔接起来，当房子的某个部分出现问题也能够及时修复问题。单纯从IT治理的角度看，IT治理的目标就是保证企业信息系统平稳可靠地运行并能够满足性能、安全、扩展等要求。从IT治理的范围看，包括对生产型应用的治理和分析型应用的治理，包括业务应用、平台以及基础设施三个层面的治理，此外，安全管理也是IT治理的重要内容。

生产型应用治理重点是保障信息系统高效、可靠、安全地满足企业生产经营需要，通常是采用良好的治理流程作为保障，比如服务台负责收集信息系统在支持企业生产运营过程中产生的问题，再对问题进行分析判断并转发到后台不同的人员或者系统来处理。后台又可以按照专业分工，分为应用、平台、基础设施等不同系统维护角色，通过这种前后台流程的协同，及时发现和处理信息系统运行中产生的问题。

分析型应用治理重点是数据质量管理、元数据管理、数据生命周期管理以及隐私保护。分析型应用就是我们本书所说的大数据应用。

对于大数据应用，数据就像大楼的地基，数据质量是大数据应用对于企业决策支持的关键，因此大数据治理最重要的是要保证数据的质量，包括数据的准确性和完整性。引起数据质量问题的原因很多，数据处理的各个环节都可能引起数据质量问题，数据处理的环节包括采集、传输、导入、集成、清洗等。

用户在使用生产型应用时，无需关注信息系统内部数据的定义，只需关注使用的功能是否满足要求即可。大数据应用则不同，数据是大数据应用形成的起点，因此首先要掌握数据的定义，才能够谈如何利用数据，对于数据的定义就是元数据。元数据是定义数据的数据，它说明了数据的类型、长度、处理过程、过程方法等，有了元数据，就好像有了一本关于数据定义的字典，无论数据存放在什么地方，只要有元数据，就可以理解和使用数据，开发各种各样的分析型应用。

元数据治理的方法是将数据内容和元数据同时保存，保证元数据和数据内容是对应的，就好比字典的目录中标题的页码与页码对应的内容一致一样。

与企业的产品、客户、资源一样，数据同样具有从形成到消亡的生命周期，在数据生命周期的不同阶段，需要采用不同的数据管理方法。

数据仓库之父比尔·恩门在著作DW2.0中将数据存储分为4个区：交互存储区、集成存储区、近线存储区、归档存储区。交互存储区存储新数据，对于数据操作的响应时间通常在几秒之内；集成存储区的数据来自于交互存储区，存储1天或者1个月的数据，这部分数据主要满足企业在线分析型应用需求；近线存储区主要存储3-4年的数据，主要是满足企业更长期的数据分析应用；归档存储区存储5年以上的数据，这部分数据通常为了满足政策法规的要求而存储的，通常会很少访问归档存储区的数据。

隐私保护是大数据治理的重点和难点，隐私保护主要是因为数据中具有侵犯个人或者组织隐私的信息，这与数据开放的要求通常相悖，企业可以采用提供匿名数据、统计数据等方式规避数据开放带来的隐私问题。