数据治理那些事儿 数据治理势在必行

数据治理势在必行

终于在那天人们回想起了：

业务分析师不得不对IT部门负责，因为他们不知道如何导航信息管理系统数据库，即使他们可以也不会被授予访问权限。IT部门打印出月度报告并分发它们，就像摩西从石头上下山一样。

随着个人计算机的出现，权力的平衡从根本上发生了变化。突然之间，商人可以访问电子表格，并可以创建自己的计算和分析，即使数据仍然大部分无法触及。然后是客户端/服务器计算和急于分散数据，带来了新的可能性，但也因为不同部门使用不同版本的数据而产生混淆。分析师争论谁的版本是正确的。分析现在可以由业务分析师完成，但如果没有就数据源的合法性达成一致，则会出现混乱。

数据治理的曙光

IT部门使用数据仓库进行响应，数据仓库会在断开连接的交易系统中收集数据，仅用于分析。出现了聪明的报告工具，可以更轻松地操作，加入和汇总原始交易表，甚至可以将它们下载到电子表格中。当然，原始数据仍然存储在不同的应用程序和格式中，但只要付出足够的努力，就可以诱使数据仓库理解所有这些，提供客户，产品，资产和位置等维度。但是，要实际生成一致的客户和产品列表，必须解决底层系统的不一致问题。

主数据管理（MDM）诞生了，与此同时，还需要数据治理策略。鼓励或哄骗业务用户决定哪些客户和产品的分类是“黄金记录”，要在整个企业中高举，哪些将被投入到部门特定的本地术语的荒野中。这是一个经常激烈的过程，不同的部门争论哪个是分类数据的最佳方式。一些公司文化比其他文化更适合这种方法。高度集中的公司习惯于从高度但分散的方式决定结构，并努力保持数据治理结构。这些公司的分析师认为自己是自由战士，而中央办公室的分析师则认为他们是数据恐怖分子。

数据治理——数据质量管理平台

通过 EsDataClean，可以及时发现、定位和解决数据仓库建设过程中各环节的数据质量问题，并完成问题数据的流转和处理，同时对数据质量进行评估和监控，有助于不断改进数据质量管理水平，大大提高数据仓库建设效率及展现层的数据可靠性。

EsDataClean用于解决业务系统运行、数据仓库建设及数据治理过程中的数据质量问题。它以标准化的数据质量规范为基础，运用数据挖掘、数据分析、工作流、评分卡、可视化等技术帮助组织建立数据质量管理体系，提升数据的完整性、规范性、及时性、一致性、逻辑性，降低数据管理成本，减少因数据不可靠导致的决策偏差和损失。

产品架构

数据治理——元数据管理平台

亿信元数据管理平台元模型以Meta Object Facility(MOF)规范为基础，支持XMI格式的元模型导入和导出，同时内置大量技术元数据、业务元数据的元模型，用户可直接使用。元模型管理对元模型的基本信息、属性、父子关系、依赖关系、组合关系的增删改查操作，内置元模型的内置信息不允许修改或者删除，但可进行新增操作。

管理架构

对元数据信息的维护除界面手动操作方式外，亿信元数据管理平台利用内置采集适配器，让用户通过配置数据源参数及定时采集任务，进行自动化采集。实现直连数据源的端到端元数据采集。

查看界面

对技术人员而言，元数据管理平台通过对将分散、存储结构差异大的资源信息进行描述、定位、检索、评估、分析，实现了信息的描述和分类的结构化，从而为机器处理创造了可能，大大降低数据治理人工成本。正因如此，元数据已经成为了很多大型数据治理项目的核心。所以在进行数据治理的时候我们应该使用真正适合自己公司的产品。