探索数据治理之“势”、“法”、“术”

近日，北京部委央企及大型企业CIO大会在北京盛大开幕。Informatica受邀参与并见证中国企业数字化联盟在京正式成立，且成为该联盟首批会员单位。大家共聚一堂，围绕数字化转型主题，聚焦当下政企及大中型企业转型难点，就企业战略框架、实践方案、安全防御、数据治理等相关内容展开了精彩的分享与讨论。

 

Informatica大中华区首席技术顾问但彬莅临会议现场，并发表以《数据治理加速企业数字化转型》为主题的精彩演讲。

 

以下是根据演讲内容整理而成，略有删节：

 

Informatica大中华区首席技术顾问  但彬

（图丨企业网D1Net）

 

 

 “顺势而为”：数据治理是时代关键词

 

数据改变了完成工作的技术和方式，进而转变思维方式，改变了我们的生活和各行各业的传统作业方式，也给我们带来了“爆炸式增长”的数据信息。

 

数据骤增的背后有三股驱动力量：首先是企业用户数量的增加，随着交易方式的改变，线上途径给传统企业带来了巨大的潜在客户，以银行为例，客户不再受制于地域网点和以往交易方式的局限。其次是新的数据类型，传统对于非关系型数据我们往往只能用于归档，而今天则可以通过实时的数据处理带来价值。例如去网点开户时，客户只要按照手机的指引转动脑袋或者眨眼睛就可以完成信息核实，改善了业务的便利性。最后是机器学习，我们今天谈论更多的是能够自我学习的人工智能，这也将是数据3.0时代的突破点。

 

数据是资产

 

总之，今天的企业面临着机遇与挑战共存的局面，越来越多的企业也聚焦于“数据上云”。诸如国企、央企高频次地迈向海外，需要数据能够实时实地的快捷存取。另一方面，伴随着通用数据保护条例（GDPR）一类相关法规的颁布，企业对于数据隐私保护意识也在不断提升。除考虑数据能够高效地进行互通互联之外，更要确保数据使用满足安全可靠，合规遵从，这都是企业目前所需要面对且亟待解决的。

 

企业今天往往面对的是有数据，但是难以用好数据这样的尴尬境地。我们经常听到这么一个概念，一个很好的图表和分析，20%到30%时间用来做最终展现，而有70%时间是被用来准备和整理数据，我相信各位同行深有体会。利用数据进行创新，将企业自身发展向数据化、智能化、场景化的趋势靠拢，要让数据成为企业发展的核心驱动力，有效的数据治理是其中不可或缺的一个要素。

 

 “不二法门”：数据治理是系统工程

 

数据治理是一个系统工程，是一个从上至下指导，从下而上推进的工作。因此，在数据治理上必须得到大家的共识，要有一个强有力的组织、合理的章程、明确的流程、稳健的系统，做到民主又集中，协调合作，这样才能使数据治理工作得到有效推动的保障。

 

不同角色对数据治理的关注角度不同

 

当前大部分的数据治理立项都是由信息技术部门来牵头，以数据中心或者大数据平台为出发点；又或者由业务部门来牵头，从流程入手，将所有环节都用统一的流程来管理。从结果上我们发现，无论是技术部门牵头还是业务部门牵头，都会产生需求不明确、范围太广泛、流程过于复杂，增加开发工作量、难以见到实效等各种问题。

 

数据是流动的，数据的问题涉及多个部门，仅有个别部门参与是很难推动数据治理，只有让技术和业务等相关部门都参与进来，实现各知识集之间的链接，并根据业务流程，将各业务间的知识集打通，从而实现信息在各业务单元之间的连接、跳转和重用，才能够达成较好的结果。

 

新一代数据治理，满足不同的数据和管理需求

 

作为全球数据管理领导者，Informatica竭力帮助期望实现以数据驱动数字化转型的企业，以数据为新的动力，通过数据治理达到满足各个角色对数据的诉求，同时形成一套合理的可持续的手段，让数据持续向好。

 

• 实现数据治理民主化

  每一个人都是数据治理的参与者。

• 满足业务需求

  以业务而非技术作为数据治理的出发点。

• 形成新的协同工作方式

  新的协同方式产生使用数据的文化，从而构成可持续发展、改善的闭环。

 

数据何以发生？或者说数据从哪里来，到哪里去？从哪里来，就是数据的产生和获取。到哪里去，就是数据的价值和意义。数据治理涉及到企业的方方面面，企业做数据治理，要重视数据治理组织，要明确需求问题，要协同推进数据治理工作。

 

数据治理技术架构

 

数据治理架构分为技术架构和业务架构。我们先从技术架构谈起：

 

第一种是现下很流行的叫自顶而下模式，又叫“顶层设计”，即以一个既定的标准往下推动，在设计元数据时向上对接标准，向下管控模型。

 

第二种是底层管控模式，与上一种方式相对应。

 

第三种是实际应用模式。用元数据描绘出数据的各个方面，作为数据治理的出发点，这是我们的应用模式。企业需要一个数据管理系统，能涵盖所有的数据资源。企业数据目录应运而生。真正的企业数据资产目录应该能更加全面的描述企业的数据资产，帮助我们获得企业所有信息资源，更加全面描述企业的资产信息，同时也符合互联网思维搜索的模式。

 

 “术业专攻”：数据治理应用

 

随着业务内容的成熟、业务流程的变更，数据探索的诉求在不断更新，只是停留在治理的管控上是远远不够的。如何让数据再利用，并且实现数据的自助化，已然成为新的挑战。

 

举个例子，我们有个客户是世界领先的飞机喷气及涡浆发动机、部件和集成系统制造商，他们计划基于机翼上发动机的工作时间和性能向客户收费，而不是向各航空公司销售能够完全满足其各自需求的涡轮发动机，由卖发动机转为租发动机。这意味着，该客户走向数字化转型的核心是向客户提供基于信息的产品和服务。他们的挑战在于需求变化多且快；机器数据格式不同于传统数据库，数据转换难度大；需要对复杂的海量数据进行摄取、处理、管理、洞察，该客户急需灵活的数据集成方法来管理这些海量数据。

 

如果我们依然采用传统的报表和模式分析去处理，还要从中发现业务规律，这种模式的工作量和工作难度可想而知。在了解到该客户的需求后，我们为他提供了一个全新的数据管理思路，该客户急需灵活的数据集成方法来管理这些海量数据。在Informatica帮助下，该客户从传统数据仓库走向新兴数据，从传统报表走向以数据沙箱为工作空间，为该客户实现了数据湖自助服务，并将数据集成方式回归为ELT模式，还利用Informatica大数据平台自动化脚本代码提高处理效率，让开发工作量减少80% ，避免重复劳动。

  

Informatica贴合企业，量身定制数据治理综合解决方案

 

数据具有划时代的颠覆力量，在数据3.0时代，通过数据管理的流程服务于数据，哪里需要数据、数据就到哪里，或者说所有的业务都构建在一个完整的数据大平台上。那么，在数据3.0时代，如何构建数据驱动型企业的数据管理架构，使得数据治理成为当务之急。

 

高效的数据治理不是一蹴而就的，它有自身的发展和演变历程，需要不断积累经验，并根据实际需求进行不断调整和优化。Informatica通过CLAIRE智能化引擎，提供了由AI驱动的数据目录，发布了一系列的端到端、全面的企业级综合解决方案，将企业内外部的技术元数据与其对应的业务场景、用户注释、数据关系、数据质量和使用用途等通过统一的视图关联在一起，自动扫描整个企业的数据资产，并对数据进行编目、建立索引向用户提供了跨数据仓库、数据湖、数据中心和企业内部、云端以及混合环境的数据治理及隐私保护措施，帮助企业清晰梳理所有的数据资产，通过优异的智能化数据治理解决方案和专业的服务能力，加速他们实现以数据为驱动的数字化转型。

 

想了解更多相信信息，请关注Informatica数据管理（微信号：InformaticaChina）