数据治理
数据治理是构建企业大数据平台的重要环节和工作，企业只有建立了完整的数据治理体系，保证数据内容的质量，才能够真正有效地挖掘企业内部的数据价值，对外提高竞争力。
我们根据企业的现状得分制定近期、中期、长期的战略计划，急用先行。
- 了解企业近期以及中长期在业务和技术上的策略及目标，特别是与数据治理相关的信息。
- 通过书面访谈和现场调研等方式在企业内部营造数据治理的氛围、让相关人员数据治理目标普。
- 根据现实的差距制定计划，制定企业未来 3-5 年的数据规划。
数据治理背景
数据不可知：用户不知道大数据平台中有哪些数据，也不知道这些数据和业务的关系是什么，虽然意识到了大数据的重要性，但平台中有没有能解决自己所面临业务问题的关键数据？该到哪里寻找这些数据？
数据不可控：数据不可控是从传统数据平台开始就一直存在的问题，在大数据时代表现得更为明显。没有统一的数据标准导致数据难以集成和统一，没有质量控制导致海量数据因质量过低而难以被利用，没有能有效管理整个大数据平台的管理流程。
数据不可取：用户即使知道自己业务所需要的是哪些数据，也不能便捷自助地拿到数据，相反，获取数据需要很长的开发过程，导致业务分析的需求难以被快速满足，而在大数据时代，业务追求的是针对某个业务问题的快速分析，这样漫长的需求响应时间是难以满足业务需求的。
数据不可联：大数据时代，企业拥有着海量数据，但企业数据知识之间的关联还比较弱，没有把数据和知识体系关联起来，企业员工难以做到数据与知识之间的快速转换，不能对数据进行自助的的探索和挖掘，数据的深层价值难以体现。
数据治理方法论
数据治理关键点
数据治理的七大要素：
- 万事开头难（建立数据管理团队）。
- 管理制度是保障（制定管理办法与认责划分）。
- 全局掌控（企业数据模型）。
- 书同文、车同轨（数据标准）。
- 业务与 IT 的桥梁（元数据）。
- 常用的业务数据先统一（主数据）。
- 数据价值的重要保障（数据质量）。
数据治理价值
数据标准落地
- 建立企业数据标准。
- 成立信息标准化组织。
- 配套信息标准化管理制度和流程。
- 搭建数据管理平台，工具支持。
数据质量提升
- 数据质量定义
- 以业务需求为指导制定数据质量管理标准。
- 对数据的准确性、完整性、一致性、有效性和唯一性等多个维度制定质量的测量指标。
- 数据质量监控
- 在数据流转过程中设置数据质量检测点。
- 对数据质量进行持续反馈、跟踪、报告与修复，从而达到数据质量持续改进的目标。
数据价值发挥
- 高效数据共享，全面拉通，提升业务效率。
- 精确统计和分析，提供准确决策支持。
- 增强IT建设灵活性，降低系统集成成本。