- 数据治理的发展历史
数据治理是从最初的数据管理慢慢演进而言的一个知识体系,最早可追溯到1988年麻省理工学院的数据治理管理计划,随后国际数据管理组织协会成立(DAMA),逐步发展至今,形成了完备的、体系化的数据管理知识,并在各行各业得到推广应用。
数据治理发展至今,目前行业主流的知识体系有两个,一个是国际通用的DAMA的数据管理知识体系,其综合了数据管理方方面面,在行业内具有较高权威性,另一个是国内推行的DCMM数据管理能力成熟度评估模型,DCMM是2018年颁布的国家标准,也是目前国内主流的数据治理参考标准,国内的数据治理工作基本都会以DCMM为依据来建设,所以这里主要对DCMM进行简单说明。
DCMM从内容来说,涵盖有数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准、数据生存周期共八大能力域,依据这八大能力域对企业的数据治理水平进行评估,DCMM将数据管理能力成熟度划分为五个等级,自低向高依次为初始级、受管理级、稳健级、量化管理级和优化级,并且国家也出台了一些政策来推动DCMM在各行各业的落实,从而提升企业数字化水平。(关于DCMM的具体内容,大家可以去国家标准发布平台下载相关文档查阅)
- 数据治理的未来展望
数据治理的理论体系已经比较完备,在各行各业的应用也比较深入,未来在方法论和知识体系层面而言,不太可能有太大的变动和演进,但这不意味着数据治理就走到头了,纵向发展趋成熟、趋缓,横向拓展却是大有可为,比如,现在比较火热的算力网络、隐私计算等都有数据治理的需求,数据治理与之结合,大有可为。
数据治理与算力网络:算力网络实际上是在打破了算力资源与数据资源在空间方面的限制,让数据可以灵活的按需调用算力资源,这里面就涉及不同集群下数据资源的跨域治理,通过治理让数据在不同计算节点之间自由流动,实现高效、节能的灵活计算。
数据治理与隐私计算:隐私计算目前主要应用在跨机构之间的数据交互,不同机构的数据情况是不尽相同的,如何让不同标准、不同质量、不同类型的数据顺利、稳定地进行隐私计算,需要数据治理来保驾护航。
当然,数据治理与其它能力相结合的场景还有很多,这里不一一说明,后续会单独出一篇文章来重点阐述。