数据治理，更依赖人治还是自治？

数据治理“自治”包含两层含义：自动化治理和自助化治理。

数据中台，是能力的下沉，数据处理能力下沉为加工平台，数据处理结果下沉为数据资产。那么数据治理能否下沉？可以下沉出什么东西？


一类是下沉出一些平台工具，比如元数据管理、数据质量管理，这些可以做得很通用化、工具化；一类是下沉出一些方法论的系统化，比如阿里的OneData，是一套内部打磨出来的本地化的方法论，落地为一套系统体系，这套体系和方法论不一定适合于每家公司，但我觉得亿信华辰睿治数据治理平台是完全自主研发的、开创性的、一站式综合数据治理整体解决方案。睿治是全国唯一实现了数据治理场景全覆盖的突破性产品，九大核心模块：元数据、数据标准、数据质量、主数据、数据资产、数据安全、数据交换、数据处理、数据生命周期等，以创新的方式保证了企业的业务数据在采集、汇总、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性，全面为客户量身打造符合自身特征的数据治理体系。更好地约束和规范化企业内的数据治理管理和数据资产建设。

对于“自动化”数据治理，以上两类依然不能覆盖所有问题，比如企业有很多遗留系统、遗留流程，无法在短时间内进行大规模的、统一的改造和迁移，那么怎样去管控它、治理它？这依然是一个难题。睿治是一个比较新兴的数据治理工具，可以很好地处理遗留系统的问题，这一点和数据治理也许可以找到很好的交叉点，比如可以利用流程编排、自动执行的思想，应对一些遗留系统、遗留环境的数据治理问题。

关于“自助化”数据治理，数据治理和数据处理不太一样，比如流式处理，这是一个业务能够直观感受到的刚需，不管什么业务都会有很强的需求。而数据治理不同，从业务角度来看，数据治理虽然就长期而言可以为整个企业和业务发展带来坚实的正面影响，但短期内可能会限制业务快速发展的速度，所以业务方可能不会有特别大的动力去主动支持和配合数据治理。

有些企业会自上而下强制推行数据治理的管理和实践，这是需要管理层有这个意识和决心的。数据治理需要向业务快速迭代和需求快速变更妥协，无法做到自上而下强推，但又不能不治，因此我们考虑能不能自助化地做数据治理。比如业务线可以建立自己的私有数据资产，如果希望升级成公有数据资产，可以进行申请审核，当然这要可以为业务线带来好处，要和KPI绑定，这样一来，数据资产的运营能力可以下放，让大家主动共同参与到数据治理中来，这种柔性数据治理推广方式可能会更有效，这也是我们在尝试的工作。



上图是睿治数据治理的框架图

睿治的通用扩展性之高，广受好评。平台基于各行业数据共性，采用成熟模块化设计理念，实现各模块功能各行业应用场景普遍适用；平台功能全面，灵活组装，可对数据从创建到消亡全过程监控和治理；平台提供丰富的服务接口，内置脚本支持，全面满足集成、扩展需要。  

（1）覆盖面之广国内少有睿治数据治理平台通过高度融合九大模块，实现了数据问题一个平台全解决，使客户可以从此告别东拼西凑尴尬局面，从而进一步提升了数据治理的全面性、连贯性、持续性，真正降低了成本。

（2）高扩展性确保发展无忧睿治的高扩展性不仅仅体现在：元数据模型、采集适配器、标准属性、质量规则等等能够想到的功能，平台都支持定制扩展，保证适应未来发展需要。同时还提供各种定制接口和调用接口服务，内置脚本支持，无论是第三方还是二次开发，扩展完全不存在技术阻碍。

（3）智能化、自动化保持领先元数据自动化采集、分析，数据自动交换、处理，数据质量智能监控、自动检查等等功能一直引领行业发展趋势。

（4）高性能应对大数据浪潮睿治采用并行处理技术，通过内存计算，具备合理JAVA内存回收机制，支持集群部署方式，再配以不断在进步的核心算法，保证了平台能以极高的性能应对各种极限挑战。 

数据治理纯靠人的话，不确定性因素太大，相对来说我更相信工具，相信通过不断的抽象、下沉和验证，可以找到一套更系统化的流程方式和配套工具去做得更好。