数据治理评估

数据治理平台开发完成并运行，需要对整体数据治理体系的效果进行验证和评估。

“

1）数据是否可以消除"脏、乱、差"的现象
2）数据资产是否最大价值化
3）所有数据的血缘是否完整可追溯。。。

”

1）数据资产

通过构建数据资产管理体系，实现资产全覆盖，并支持全局搜索和精准定位目标资产。

• 实现全局搜索，面向用户提供场景化检索服务
• 支持标签、数据地图、表名和字段名等多种检索维度
• 支持进行数据地图，源业务数据字典的结果筛选
• 比如支持PV/UV用户搜索和资产展示，明确服务目标

2）数据标准

新旧数据标准沉淀，打通了数据建模工具、数据标准库和词根标准库，落地数据标准和词根。

• 实现数据标准库100%拉通
• 智能识别数据标准和引用
• 客户端同步更新数据标准、词根

3）数据安全

保持

事前制度建设

、

事中技术管控

、

事后监控审计

的原则建立全流程数据安全管控体系。

基于以上数据安全管控体系，支持数据安全定级，构建灵活的数据安全共享流程。

4）数据质量

通过数据质量雷达图，定期进行数据和任务质量打分，综合考察数据质量效果。

• 数据完整性：查看数据项信息是否全面、完整无缺失
• 告警响应程度：日常管理、应急响应、降低影响；避免数据损毁和丢失
• 监控覆盖程度：确保数据遵循统一的数据标准和规范要求
• 作业稳定性：监控作业稳定性，是否存在作业异常等问题
• 作业时效性：检查任务对应的数据项信息获取是否满足预期要求

5 数据治理的几点误区

1）数据治理是否要做得大而全

“

这是一个经典问题，一般对于不同阶段和规模的企业，数据治理的实施程度会有所不同。一般建议先根据自身的数据状况分阶段进行，避免盲目铺开规模，过程中可调整。

”

2）数据治理只是技术考虑的事情

“

正如文中所说，数据治理不仅仅是技术团队的事情，而是整个集团一起协作完成。其中就包括各业务线以及其他管理组织，没有一个好的实施方案和协作机制，往往事倍功半。

”

3）数据治理可以短期见效

“

数据治理是个长期过程，会跟随着企业数据的规模和数仓规划的变更同步调整，部分功能可能会在短期内卓有成效，完整体系搭建短期很难实现。

”

4）必须得有工具平台，才能开展数据治理

“

俗话说工欲善其事必先利其器，有好的工具当然是更好，前提是已经有了成熟的数据治理体系规划和策略。工具和技术手段目前市面上很成熟，先把理论给铺垫好。

”

5）数据治理感觉很模糊？不知道最后的落地结果

“

数据治理是一个长期工作，需要相关从业者根据企业的数据现状和管理模式去构建和调整，建议边做实践边总结归纳，小步慢跑是一个很好的方式。