-
-
wuyingchun 数据达人Lv4
发表于2019-2-28 11:42
楼主
数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行）。数据治理是识别、管理和解决几种不同类型数据相关问题的手段，包括数据质量问题、数据命名和定义冲突、数据安全等问题。
随着互联网和信息技术的飞速发展，人类产生的数据量正在呈指数级增长。大约每两年翻一番，根据监测，这个速度在2020 年之前会继续保持下去。这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量。
因此企业会造成以下问题
企业的业务系统缺少统一的标准：数据多样化缺少数据标准，对表字段的命名随意性强，定义混乱；
变更对应的影响分析困难：表结构变更、系统改造时，对应造成的影响难以甚至无法评估
数据质量差：数据统计不准确，许多预期需求无法实现，造成决策失误
数据价值低：数据表和模型繁多，无效表过多，价值未最大释放
业务系统间资产共享差：DB、数据模型、应用程序、数据标准、数据质量等信息分散
数据安全无保障：数据权限划分不清，敏感数据得不到监控，账号权限无法追踪
管理体系不完善、落实差：出了问题再补漏，数据管理部门和生产部门相互推脱责任
那么如何解决这些问题呢？
亿信数据治理管理平台— 睿治
从元数据、主数据、数据标准、数据质量再到数据处理、数据资产、数据交换和数据安全，为企业提供一站式解决方案，打通数据治理全流程。
功能强大
数据标准：对分散在各系统中的数据提供一套统一的数据命名、数据定义、数据类型、赋值规则等的定义基准，并通过标准评估确保数据在复杂数据环境中维持企业数据模型的一致性、规范性，从源头确保数据的正确性及质量，并可以提升开发和数据管理的一贯性和效率性。
数据质量：有效识别各类数据质量问题，建立数据监管，形成数据质量管理体系，监控并揭示数据质量问题，提供问题明细查询和质量改进建议，全面提升数据的完整性、准确性、及时性，一致性以及合法性，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。
生命周期：管理数据生老病死，建立数据自动归档和销毁，全面监控展现数据的生命过程。
数据安全：提供数据加密、脱敏、模糊化处理、账号监控等各种数据安全策略，确保数据在使用过程中有恰当的认证、授权、访问和审计等措施。
最近看过此主题的会员
