目前数据治理已经成为大数据公司的常规操作手段，但由于公司的数据规模、业务场景、成本计量、技术能力等差异，各公司的数据治理力度有所不同。一般而言，公司数据规模越大，业务场景越复杂，资产成本越高，数据治理的颗粒度也就越细，产生的价值也就越直观。对于拥有海量数据的公司而言，数据治理是必要的。但是，部分企业对数据治理的概念理解还是比较模糊，往往只关注数据治理的部分环节，没有形成系统闭环，造成公司数据治理成本高，效果差。

数据治理的终级目的主要涉及两个方面，即成本问题和数据质量问题。就降低运营成本而言，数据存储规模达到百PB的企业，数据治理每降低计算存储1%，就可以节省上百万的资金投入（包括如服务器硬件、网络、机房、人力成本等）。国内很多大型互联网公司的数据存储已经达到EB级别，数据治理的成果非常乐观，可以节省千万级别成本。因此，数据治理对降低大型互联网公司的运营成本有着非凡的意义。

另一方面，提高数据质量对企业也有着现实意义，它能解决企业中系统林立、数据孤岛、数据无法打通共享、数据冗余等问题。但要实现这一目的，要着手重点解决数据治理缺少统一应用标准、数据不完整、指标设计口径不一致、指标难以共享等现状困境和问题。同时，应建立健全的数据管理机制，避免因缺乏规划造成数据复用率低和数据不安全等问题。

数据治理体系构建方法论数据治理不可一蹴而就完成，是一项繁杂而长期的工作。企业数据治理需要在支撑当前业务的情况下循序渐进，

逐步迭代。具体而言，企业数据治理可以分为前中后三个阶段。数据治理前期，需要先对企业数据资产进行盘点，解决资产负责人对数据不可知的问题，并梳理企业数据资产的现状，如成本不断增大，但不知道哪个业务域耗费成本高、数据流程混乱、数据信息碎片化、资产不全等问题。然后再梳理资产，比如整理业务规则、业务流程、统一数据定义、统一数据规范等。总而言之，数据治理前期阶段，需要让数据资产变得干净。中期阶段开始，需要结合企业实际规划指标体系，统一数据应用标准和数据开发规范等。本阶段需要重新组织数据，完善数仓体系，同时从多个维度进行数据治理，逐步进行数据治理体系的建设与完善。后期阶段，更多的是将前期的工作固化、机制化、持久化。本阶段包括通过组织架构的建设、规章制度的完善等，以保障数据治理常态化，提高团队协作能力，并通过培训等提升团队成员数据治理意识。数据治理动作伴随着整个数据的生命周期，实际数据治理可以从数据的链路入手，实现数据的层层规整化处理，比如从数据采集，数据存储，数据分析，到最后的数据服务，构建全链路全域的数据资产体系，也可以从数据安全，数据规范，数据管理，数据质量四大维度进行每一链路的数据治理与管理。

很多人认为数据治理就是信息化部门的事情，如大数据数仓部门，和业务部门无关。其实不然，有效进行数据治理需要从整个组织考虑，并建立专业的数据治理组织体系，再进行数据资产的确权。企业数据资产的生产与使用应该有明确的责任部门，明确相应的治理制度和标准。数据治理并不是一个部门的事情，不能在企业的单一部门得到解决，应该培养整个企业组织的数据治理意识，才能达到效果最大化。在MobTech袤博科技内部，数据治理委员会由各个事业部、大数据集群运维架构部、数仓部门、PAAS平台等核心人员共同组成。各部门明确相应数据治理职责，数据治理考核机制，共同支持协作，从而为数据治理的机制化奠定了根基。
 

数据标准管理模块

数据标准化是数据治理过程中的核心环节。过去各业务系统的数据标准都不相同，导致计量口径不一致、数据标准认知偏差、跨部门沟通成本较大、效率低下等问题。数据治理的标准体系是多层次的，包含国家标准、行业标准、企业标准等。这些标准的建设与实施，需要企业在前期投入大量的人力进行规划、迭代、落地、监督应用管理。而数据治理的成效，很大程度上取决于数据标准的合理性和统一实施的程度。MobTech袤博科技的数据标准管理涵盖了元数据标准、主数据标准、模型标准，数据指标标准，数据安全标准、数据应用标准等。目前公司已加入中国信通院大数据技术标准推进委员会，积极参与数据安全与治理实践等多个重要项目，希望可以为推动数据智能行业的持续发展贡献自己的力量。
 

数据质量管理模块

高质量的数据是企业进行分析决策和业务发展规划的重要基础。只有建立完整的数据质量体系，才能提升企业整体的数据质量。在技术层面上，企业应该完整全面地定义数据质量的评估维度，包括完整性、时效性，一致性等，按照已定义的维度，在系统建设的各个阶段，根据标准进行数据质量检测和规范监测，并对数据进行及时治理，避免事后的数据清洗工作。MobTech袤博科技内部建设的QC管理系统，可以定义数据质量检验规则、执行数据质量检核、生产数据质量报告。同时规划了一整套独立的数据质量处理、管理流程与相关规范制度。通过数据质量处理流程可以实现从发现问题到处理问题的闭环管理，从而促进数据质量的不断提升。
 

主数据管理

主数据就是企业的核心数据，主数据的管理是数据治理的核心。企业可以通过运用相关的流程、技术和解决方案，对企业核心数据进行有效管理。MobTech袤博科技内部通过一系列标准规范、平台工具和管理流程实现主数据管理，如严格规范主数据的新增、变更、审核等流程，实现对各类主数据的全生命周期管理；可通过手工新增、导入、接口传输等多种方式汇集主数据，并提供全方位质量检查，保证主数据质量；同时提供可视化的资产管理界面，全链路、多维度监控主数据整体建设、使用、质量情况等，清晰地展现了主数据的运作轨迹，让主数据管理尽在掌控中。

元数据管理元数据管理包括业务元数据、技术元数据、管理元数据等，主要是通过系列的标准规范，如减少业务术语歧义，提高元数据的高可用性和安全性。公司内部对于元数据的管理，主要从元数据的采集、元数据的存储以及元数据的分析三大模块构建。元数据的采集，按照元数据的分类分为自动采集和手动采集。自动采集主要通过定时任务，为元数据的采集提供自动化的、周期性的，或指定某个时间触发的机制。手动采集主要针对特定业务场景的元数据，以手工方式实时采集保存。元数据采集完成后，依照元数据管理制度及要求，根据规则进行元数据分类，后续再根据每类元数据定义，实现元数据的分类管理存储。如存储在数据库或者数据仓库中，以支撑后续元数据统计、查询、血缘分析、影响性分析、数据资产地图、元数据备份等元数据应用。公司在该模块建设了图形化的元数据基础分析以及高级应用分析web系统。
 

数据生命周期管理

大数据的生命周期针对大数据范围，确定大数据采集、存储、整合、呈现与使用、分析与应用、归档与销毁的流程，并根据数据和应用的状况，对该流程进行持续优化。MobTech袤博科技内部的生命周期管理系统结合血缘分析、调用分析、数据的价值分析等维度，对所有数据进行了生命周期全链路管理，并支持事业部和技术部的小伙伴对所属资产进行资产生命周期配置、变更、删除管理等操作。数据生命周期管理可以大幅降低企业低价值密度数据的成本，包括数据冷热分开存储等，进而提升高价值数据的查询效率等。
 

数据应用与服务管理模块

数据应用与服务管理模块是数据中台的最后一公里。合理的数据服务体系有助于企业提高数据共享程度和数据流转时效，同时保障数据安全。公司内部对于数据交换服务制定了一系列规则，比如对接口的使用规范、文件的内容审批、交换规则，以及统一的数据交换系统，实行分级审批。
 

数据安全管理

数据安全管理包括建立健全企业数据安全管理制度、设定数据安全标准（如存储，传输，应用等维度）、培养企业员工的数据安全意识等。当然安全与效率始终是一个矛盾体，数据安全管控越严格，数据的应用就可能越受限，企业需要在安全、效率之间找到平衡点。数据治理既需要组建架构、规章制度，也需要工具平台、实施流程、考核管理。前者提供了理论基础，后者提供了技术支撑，两者共同促进数据治理体系的建设。
 

因地制宜实现数据治理

随着数字化时代的到来，企业沉淀的数据越来越丰富，为降低运营成本并提升数据质量，众多企业开始尝试数据治理建设。虽然完善的数据治理体系内容全面、功能丰富，但是这种全面的数据治理体系并不一定适合每一家企业。因此，企业不能生搬硬套大厂经验，而是要择其善者而从之，选择适合自己的方法体系，去建设适合自己的数据治理体系，才能真正帮助企业实现降本增效。