【数据治理】为什么需要数据治理

1. 为什么需要数据治理

开发不范化 & 业务了解不足(规范)：由于数据仓库在应对业务前中期快速扩张，要覆盖更多场景应用，存在大量急于
求成，未按照规范开发的情况发生，也存在代码规范较差后续交接看不懂的情况。同时也存在对业务数据未做深度剖
析，导致数据质量问题频发；
缺少上线前保障(校验)：由于开发时候验数据不够细心没有对数据大体情况检查，添加字段后没对测试环境与线上环
境数据比对，导致历史数据对不上；
数据链路节点缺少质量保障(稽核)：数据质量 0 保障建设，从而对问题数据无感知，导致问题数据、空数据等传输至
下游，最终流入业务侧数据出现问题；
数据运维不及时(出数时间)：数据不能及时产出导致可视化大屏/看板/产品端无数据响应，影响到下游用数体验；
业务数据问题处理无机制(流程)：下游对于数据问题不知该如何上报修复，缺少流程化，机制化；
上游数据源存在问题且难处理(常态)：上游数据问题处理难配合，常推辞拒绝，数据仓库侧常常提供案例内容难实现
上游自助化查询解决，同时无法建立上游数据问题处理机制。

2. 数仓发展阶段

2.1. 初始期
　这个时期的业务特点往往是比较单一的，并且数据量相对较少。所以这个时期的核心诉求为快速支持业务团队包括数
据分析、运营、风控等，更多是统一数据仓库内部规范，通过核心数据模型支撑下游应用。

2.2. 扩张期
这个时期的业务飞速增长，有大量的派生指标，衍生指标会在 BI、分析、算法等多个场景重复使用，需要数据仓库快
速支持业务。这就需要数据仓库同学接入全部需要应用数据，完善中间层数据模型，同时保证数据的准确性，重点投入数
据资产（离线/实时）建设。

2.3. 治理期
　在业务经历过快速扩张期后，就会步入稳增长的阶段的阶段，这个时候，不太需要大规模接入数据制作数据资产，重
点在于对原有数据仓库进行治理降低数据使用成本（元数据维护、核心数据模型公共沉淀等)、降低计算/存储资源消耗、
稳定任务产出、保障数据安全。


2.4. 缓慢发展期
　在经历治理期后，对于业务方更需要提效，这里提效指查数/用数的提效，能够让数仓内部和业务方更快定位指标、
数据模型、用户数据等，实现自助查询，同时还可以开发一些效能小工具（问题代码自动识别、未被使用的数据模型/字
段、智能报警监控等）实现自动化。