Informatic:数据治理不仅仅是技术问题

毋庸置疑，数据已成为企业的重要资产，也是企业竞争力的重要武器。企业业务的成功，需要及时、完整和准确的数据提供支持。但经常能看到这样的现象：企业中几个部门的主管在汇报工作时，同一指标的数据不尽相同，甚至可能截然相反，到底哪个数据是正确的数据？无从确认。造成这种现象的原因很多，比如数据质量问题、统计口径问题，等等。

如何确保能够为重要业务提供及时、相关和可信的数据？

数据乱象解决之道：全面的数据治理

对于各种数据问题，企业机构需要有效的解决方案，这就涉及到数据治理的问题。数据治理涵盖于企业的整个信息化建设过程，它涉及每个系统，包括所有业务核心系统、数据仓库、ECIF、风险管理、合规支持等等，它需要一个统一的管理平台进行管理，而这个平台支持各种数据技术，包括元数据管理、数据标准管理，以及主数据管理平台、数据质量管理平台和数据服务平台。无论是对数据进行集成、整合、交换、还是同步，它们都在数据治理这个范畴内。其中，一个比较“软”的方面就是数据标准管理，是很重要的一个环节，根据这个标准，通过相应的数据技术，对所有数据实现到端对端的梳理和管理，这就是整个数据治理的过程。

什么是数据治理？

数据治理是一种体系，是一个关注于信息系统执行层面的体系，这一体系的目的是整合IT与业务部门的知识和意见，通过将流程、策略、标准和组织的有效组合，对企业的信息化建设进行全方位的监管，需要企业高层的授权和业务部门与IT部门的密切协作。

数据治理涵盖了整个企业的信息化立场和建设，包括所有核心业务系统、运营数据储存或数据仓库、ECIF、风险控制以及很多其他的系统，需要技术和“软内容”平台提供支撑，包括主数据管理平台、数据质量管理平台、数据服务平台，以及元数据管理和数据标准管理，最终实现所有数据的全方位监管，实现端到端的数据梳理和管理，确保数据的有效性、可访问性、高质量、一致性、可审计和安全性，这是数据治理的目标所在。

实际上，很多企业都在涉及数据治理相关的项目，只是可能以其它项目的形式出现，比如数据集成、ETL、元数据等项目，这些都是数据治理的组成部分。在调查中发现，现在企业做数据治理，更多关注的是数据质量分析、评估和探查，其次是ETL和其它数据集成工具，以及数据模型。

数据治理项目包括四个关键要素：策略和流程、组织、标准和定义、技术。这四个方面缺一不可。