理资产、治数据，一体化大数据治理

为什么需要数据治理?

大数据不是凭空而来，1981 年第一个数据仓库诞生，到现在已经有了近 40 年的历史，而国内数据平台的建设大概从 90 年代末就开始了，从第一代架构出现，到现在已经历了近 20 年的时间。

1

在这 20 年的时间里，国内数据平台实施者受尽折磨，交付数据项目是出了名的脏活累活。

不治理会破产吗？不好说。

我最近的一篇文章，就是讲数据治理架构的，还有很多文章都是说数据治理方法的，这里就不多说了，想要做好，能写上万字。

但我觉得做数据治理前，一定要想好是不是真的要做这个，也就是要清楚架构。

我整理了几张架构图，应该能让你理解地深刻一点。

在企业数据建设过程中，大数据治理越来越受到企业的重视。在数据建设治理的过程中，对企业的IT治理观念和数据治理项目实施团队要求都比较严格，对于企业来说，企业自身IT信息化建设的基础建设能否支撑当前的数据分析和数据治理，是企业能否进行数据治理的必要条件。

另一方面，大数据治理需要行业经验丰富的项目实施团队与企业业务部门一同深入挖掘企业的元数据，不同行业数据的类型都是各不相同的。首先要分析企业是否具有元数据，以及数据类型、字段是否缺失，通过数据来反推业务，共同升华企业业务，保证业务的完整性、合理性，当然在数据梳理的过程中各个业务部门（业务系统方）的配合能否到位，也起着举足轻重的作用。

有了数据后，数据是否统一、精准？线上线下的数据是否同步？多数企业信息化是存在遗漏的，部分业务数据仍在线下运转来支撑企业业务的正常运行，那么线下数据的处理就是一大难点。这个问题通常可以使用数据上报平台将线下的数据录入到主数据平台中，通过主数据治理将数据进行清洗，按照对应的标准治理，将数据做到统一、准确、由量变到质变，为整个企业信息化平台提供精准、统一的数据。

数据治理后在业务层面的数据可以说是隐形的，此时便极大地凸显数据分析治理的重要性，通过数据可视化来进行数据的分析展现，依次进行数据分析、预测问题以及发现问题所在，进而治理问题，为企业高层能够准确的把握行业走向，运筹帷幄提供指南针，最终完成企业基于大数据的数据治理。

忽视数据治理给数据平台建设带来了不少问题。随处可见的数据不统一、数据质量差，以及难以完成的数据模型梳理等这些基础性数据问题已经严重限制了数据平台的发展，与此同时，数据应用在商业上难以崭露头角。

数据治理的难点痛点，归纳有以下几点：

数据采集难、数据整合难、数据共享难、数据发现难、数据使用难、数据监管难。

在数据治理的策略上，东软采用先理后治的方案，实现数据标准化、流程规范化、治理常态化、价值可视化、监管智能化的数据治理。

东软数据治理的“理”指的是统筹规划，“治”指的是贯彻执行。

大数据时代的大数据，叫数据治理不太对，应该叫做数据分析应用。因为当数据汇总呈现出来后，只会是一堆数据，不懂的人，始终不知道有什么用。

举例子，我是做亚马逊大数据分析的，公司的技术部可以把亚马逊的所有产品的数据汇总下来，包括所有商品的标题、图片、描述、客户评价、价格、销量等等。

实际上，当所有数据整理出来后，还是没有人知道有什么用。但如果把数据分析成为各个行业，各个品类的分析报告。

基于大数据的数据治理如何做？您这个问题，范围太大了。我是从事呼叫中心项目建设。因为我做过政府12345呼叫中心项目，我就站在市民诉求大数据的数据治理来说吧。

1、诉求数据受理

我们的系统支持通过12345电话受理、微信客服受理、12345官网受理、在线客服受理、邮件受理、微博受理、APP受理等。我们也称为多渠道受理。功能如下：

2、诉求工单派发

诉求工单过来到相关部门受理，这一个过程是存在数据治理，各种类型的诉求工单，要如何进行分类，派发到相关的部门。

系统根据诉求工单的相关问题进行归类，整理，派发到相关的部门。部门进行合理回复和解答。

企业如何进行数据治理？？数据治理有哪些方法？数据治理的案例有哪些？？或许以上元年科技的这个视频中有你想要的答案！关注元年科技，了解更多数据治理相关信息！！

大数据管理分析

数据治理已经成了一个极其重要、亟待解决的重大社会问题。区块链技术能够为社会治理现代化提供科技支撑。数据协作中数据权属模糊、共享失控、隐私泄漏，定责监管难，不敢共享、不易共享等问题，都可以通过区块链机制得以解决。