大数据治理需要具备哪些能力和关键技术？

在企业数据建设过程中，大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量，到自服务和智能化的数据应用，大数据治理的内容在不断发展和完善，其落地实施的过程中会遇到各种各样的难题和挑战。本篇文章通过分析大数据治理建设中的沟沟坎坎，总结出了大数据治理需要具备的能力和关键技术。

一、困难重重却充满光明的大数据治理发展之路
1、传统数据治理一直无法逃脱的魔咒
大数据治理从建设内容和实施目标上可以划分成不同的阶段，每个阶段完成不同的任务，随着阶段的递进，建设内容逐步加深，不同的企业切入点和诉求也各不相同。大致分为以下几个阶段：

摸家底阶段
内容：企业元数据梳理和采集
目标：构建企业数据资产库

建体系
内容：建立企业标准和质量提升体系
目标：提升数据质量

促应用
内容：自服务通道、构建企业知识图谱
目标：数据智能应用

然而，大数据治理建设之路并不是一帆风顺的，甚至可以说充满了各种问题和困难，如何管理企业级的数据资产、如何让业务积极参与到数据建设中来、如何降低数据治理的落地难度等一系列问题，一直困扰着数据治理的发展，传统数据治理的问题主要体现在以下几个方面

管理范围窄
要做数据治理首先要知道有哪些数据，传统的数据治理往往只管理了数据领域，很少关注业务、管理和开发相关的数据资产，数据管理范围比较窄，而且，受限于技术实现，即使在数据领域的数据资产也很难做到精确管理；

业务难结合
业务元数据的广泛缺失，导致业务人员无法使用技术性的元数据系统，元数据缺乏业务用户，使用者少；

应用场景缺
元数据被当成单独的系统，而不是广泛的技术基础，导致只关心元数据本身的应用场景；
技术不完善
在技术层面存储缺乏扩展性，采集自动程度不高，管理实时性不高。

2、自服务大数据治理是解决问题之道
自服务的大数据治理平台具备管理、开发、共享、使用等能力，通过自动、自助、智能化的大数据治理，能够实现对数据的找、供、用、治，从而一站式解决传统数据治理在大数据时代的各种难题，具体涉及到以下几个方面。    

建好数据管理体系，快速识别数据
自服务大数据治理平台可以实现有数据可管理。现在的企业数据资产繁杂众多，特别是建设大数据平台的企业，数据的类型、分布、实现技术、所属部门等都很繁杂，通过手工一点点梳理是不现实的，如何低成本、快速有效地将数据梳理和管理起来？这是做大数据治理遇到的第一个坎。

自服务大数据治理平台可以通过自动化手段，自动识别企业数据资产并标明数据方位和属性，建立业务能理解的数据服务目录。

建立数据治理体系，监控并快速发现问题

自服务大数据治理平台可以保障企业数据资产的质量。企业内数据环境复杂，很容易出现数据不一致、数据不及时、数据缺失等一系列问题，如何识别并快速定位数据问题？特别是针对海量数据，如何在不影响性能情况下找出问题数据？这是做大数据治理遇到的第二个坎。

通过自服务大数据治理平台建立和支撑起基于数据指标、质量检核、问题发现和监控的完善数据治理体系，从事前、事中和事后等各个环节规避、发现和解决数据问题，将能保证数据应用无后顾之忧。

二、大数据治理技术需要不断革新
数据治理的目标是把数据管起来、用起来、保证数据质量，这些目标离不开各种技术的支持，这些技术包括元数据自动采集和关联、数据质量的探查和提升、数据的自助服务和智能应用等。

1、管起来：数据资产的自动化采集、存储技术要实现大数据治理的资产管理，需要做足三个方面的工作：
采集：指从各种工具中，把各种类型的元数据采集进来。
存储：采集元数据之后需要相应的存储策略来对元数据进行存储，这需要在不改变存储架构的情况下扩展元数据存储的类型；
管理和应用：在采集和存储完成后，对已经存储的元数据进行管理和应用。

第一，针对数据资产的存储，模型体系规范为元数据管理提供了基础，通过模型管理可以实现统一稳定的元数据存储，统一的标准和规范能很好地解决通用性和扩展性。

传统数据资产管理采用CWM规范进行数据资产存储设计，该规范提供了一个描述相关数据信息元数据的基础框架，并为各种元数据之间的通信和共享提供了一套切实可行的标准。但是，随着元数据管理范围的不断扩大，CWM规范已经不能满足通用的元数据管理需求，针对微服务、业务等也需要一套规范支撑。MOF规范位于模型体系最底层，可以为元数据存储提供统一的管理理论基础。

第二，元数据管理第二个核心问题是解决各类元数据的采集，由于元数据类型多种多样，而且在不断增加，所以，如何以最小代价，快速纳入管理新类型元数据的能力，是元数据管理的核心。

采用可插拔的适配器方式实现元数据的采集是一个很好的选择。其中，数据采集适配器应支持各类数据源的采集，当有一个新的数据源需要接入的时候，只需按照规范快速开发一套针对性的适配器，就能实现新类型元数据的纳入管理。

第三，与人工相比，技术的最突出特点是速度快和精确。因此，如何通过技术手段精确地获取数据资产是关键，特别是元数据关系，一般都存在于模型设计工具、ETL工具，甚至开发的SQL脚本中，因此需要通过工具组件解析（接口、数据库）、SQL语法解析等手段完成关系的获取和建立。准确解析后的关系，还需要通过直观的关系图展现出来。

2、有保障：数据质量探查和提升技术
通过大数据治理来提升数据质量的过程中，涉及到很多环节、工作和技术，其中包括：通过合理的技术找出数据问题并找到问题数据；从各个维度监控数据问题，并能通过最直观和快捷的方式反馈给相关责任人；实现问题发现、认责、处理、归档等数据问题的闭环解决流程等。中间主要涉及到以下两个方面：

第一，要想及时全面地找到问题数据，不仅要关注关键点，还要有合适的方法。数据最容易出现质量问题的地方就是数据集成（流动）点，例如：性别在单系统中，有1和0或者男和女表示都行，但是系统间集成时就会有问题。因此，解决数据质量的关键，就在于在集成点检查数据质量。另外，针对大数据量的数据质量检查，即要保证实时性，也要保证不影响业务系统的正常运行，因此在对特别大的数据量进行检查时，要采用抽样检查的方式。

第二，数据问题发现后，还要直观地将数据问题展现出来并及时通知相关人员。因此大数据治理平台应提供实时、全面的数据监控，实现多维度实时的数据资产信息展示：
从作业、模型、物理资源等各方面进行全面的数据资产盘点；
对数据及时性、问题数据量等方面的数据健康环境进行全面的预警。

3、用起来：自助化数据服务构建技术
大数据治理的最终目标是为最终用户提供数据，这需要快速找到数据，并快速建立数据交换的通道。
知识图谱是一种非常好用、直观的数据应用方式。人工智能的知识图谱构建，可以从以下步骤考虑：
基于企业元数据信息，通过自然语言处理、机器学习、模式识别等算法，以及业务规则过滤等方式，实现知识的提取；
以本体形式表示和存储知识，自动构建成起资产知识图谱；
通过知识图谱关系，利用智能搜索、关联查询等手段，为最终用户提供更加精确的数据。
基于元数据的自助数据服务开发，可以简单快速地建立数据通道。通过自助化的数据生产线，数据使用方（业务人员）大大减少了对开发人员依赖，80%以上的数据需求，都能通过自己进行整合开发，最终获取数据。让所有用数据的人能方便得到想要的数据。其中，提供所需数据的自助查询能力、自动生成数据服务、及时稳定的获得数据通道、保证数据安全是实现自助化的大数据生产线的四个关键点。