数据中台如何进行数据治理

数据中台可通过数据需求、数据质量、元数据管理等领域加强数据治理。

一、增强业务需求管理，构建并持续完善数据标准体系
数据中台的运营部门，收集到来自于银行各部门、各层级管理人员和业务分析人员的业务需求，并且随着人员岗位的变化，即使同一层级、同一角色的人员提出的业务需求也可能大不相同；在不同的时间段下，根据银行的业务状况、规模和偏好调整等情况，业务需求重点和逻辑也不一样。

因此，数据中台的运营部门，应持续提炼数据中台业务需求，并与数据治理部门协同，依据需求及认责管理办法，并与不同类型的业务需求与实施工程相结合，落地与银行数据标准体系相吻合的指标体系。

分类管理业务需求：通常银行业务需求来自四个方面，包括临时类数据需求、接口类数据需求、报表类数据需求、综合类数据需求。其中临时类数据需求的数据时效性比较高，开发时间较短。但接口类、报表类和综合类数据需求都相对复杂，有较多的业务口径定义和数据探源工作，实施工程种类也较多。
识别和提炼业务需求：从数据角度总结和归纳共性的指标与公共维度，并对指标的名称、业务口径、数据口径进行定义与描述，形成企业级可共享的指标库。同时，由数据管理部门牵头，明确指标的归属部门和更新机制。

二、建立跨系统数据质量检核机制，强化数据的质量管控
数据中台的数据质量问题，不仅取决于源头系统及外部数据的数据质量，并决定于采集、加工、存储、生成与应用整个数据生命周期的数据处理流程的准确程度。因此数据中台对于数据质量的管理，需要通过组织管理、技术方法、业务流程理解以及数据语义理解等多个方面，进行综合管理。

组织管理：数据中台开发与运维部门，主动参与或者主导数据治理过程，积极建立数据质量管理机制，推动落实数据管理流程，更大力度的辅助数据治理归口管理部门，发现与解决数据质量问题。
技术方法：数据中台推动数据质量问题的识别与解决，具有企业级、跨系统的平台和能力，又是提升数据服务能力的必要基础。通过归纳数据质量问题的类型及产生原因，利用技术方式实现跨部门、跨系统的数据质量问题的监测与预警，并可以持续验证与跟踪数据质量问题的解决。
业务流程及数据语义理解：数据中台的开发及运营部门，由于持续梳理各个部门、各个系统的内外部数据，通过不断的进行数据理解、数据分析，可以识别与发现部门之间业务术语、规则、逻辑等不一致而导致的数据问题，可与数据管理部门一道进行数据管控。

三、提升元数据的数据质量，深化元数据分析及应用
随着数据中台各种来源数据增多，数据应用越来越丰富，数据处理过程也必然越来越复杂。在各种数据中，如何聚焦业务关注的数据内容、使用方式以及未来应用趋势，对于数据中台的架构演变、模型设计以及数据治理等活动来说，将变的越来越重要。

识别数据：通过数据中台建设流程，整理业务层面的数据资产目录，以及维护开发方面的物理数据模型和数据字典，清晰定义各个字段项名称、含义等，实现数据资源的语义化。
评价数据：通过获取表级及字段级基础元数据、关联元数据、应用日志等，运用图计算、标签传播算法等技术，系统化、自动化地对计算与存储平台上的数据进行打标、整理、归档，计算相关评价指标，如字段的查询次数、关联次数、聚合次数、过滤次数等。
追踪数据在使用过程中的变化：通过识别和追踪数据在全生命周期的各个形态和变化，实现源数据的分析管理，对于数据使用者，可以通过元数据让其快速找到所需要的数据；对于ETL