数据治理、共享交换、数据仓库、数据中心的关系

建数据中心离不开数据，以前设计数据库都是从事务性数据库考虑（做的都是业务系统，思维模式太固定了），没有从数据仓库的角度来统管分析。以下是从数据仓库的角度考虑数据中心的建设：

政府的数据中心建设基本就包括这几个步骤：
1、数据源：支持不同部门的各类来源数据，包括文件型、数据库型、Http服务型和JMS消息型，可以读取各类数据
2、数据汇聚：这里是通过软件实现原始数据的读取存储，将不同的数据都存储到各自的数据库；因为保证与每个部门不发生扯皮的问题，所以必须保证读取的原始数据是对的，要独立存储不做任何加工，组织就按照同步的部门科室进行存放；所以就对应数据仓库的ODS层
3、数据处理：这里是对汇聚的原始数据进行初步的ETL处理，实现对数据的清洗、加工，补全各类信息（包括编码字典解释等），这个步骤的目的是实现数据的规范化，这里的数据也是落地存储物理库，作为抽取中间库DWD层
4、数据融合：这里是对规范化的原始数据进行融合处理，建立数据之间的关系模型，比如抽取成独立的人口库模型：

数据融合主要是按照一个业务领域进行数据建模。
5、数据集市：是对领域模型数据进行汇总统计分析，将统计分析的结果进行存储，简单解释可以理解为一般业务统计的中间表（提高统计效率，将统计成果进行定期存储），当然这里不止这么点，结合现在时髦的大数据分析，也就是将分析结果在集市层存储，为上层应用提供数据源。
6、最后一个是核心的元数据库，这里的元数据核心要存储以上4个库的表及字段元数据，可以实现整个数据处理过程的追溯。

从以上分析，了解共享交换的同学，可能直接就说了上面的数据汇聚、数据处理不就是传统的交换吗？只是换了一个说法；这个说法也没问题，只是这里是从政府业务和数据仓库的角度来说，传统的交换是直接将原始数据文件读取到后进行了ETL处理，形成交换库；这里是从政府安全追责的角度分析，形成2个步骤；所以数据中心的建设是包括数据交换的，只是交换处理的思路在变化。
从数据处理到数据融合，这里是要创建业务模型，按照业务模型进行数据处理，处理的工具一般也是ETL工具；所以共享交换只是强调了软件技术，没有从整体进行规划，它只是真个数据中心建设里的一个技术工具之一。
从数据融合到数据集市，又有几种形态：1、传统的数据统计，2、数据挖掘，3、大数据分析；这几种技术都可以形成数据集市的数据。

数据治理是一个更大的概念：

在数据仓库的基础上，更加强调数据的质量与数据安全；现在的数据治理也是叫大数据治理，是大数据建设的基础，毕竟是强调大数据平台里的核心，数据部分。只有数据是可依靠的，才能用来做大数据分析，否则就是无源之水了，谁也不敢相信。
数据质量，核心就是要依靠元数据的管理；来实现整个数据处理过程的跟踪，知道目标数据的源头可以一步步的追溯到数据的提供者。
数据中心则是一个业务上的叫法，包括机制规范、相关软件、数据、处理过程的构建，都是数据中心建设的步骤。数据中心就是通过数据治理形成可以对外统一提供服务的数据。