以数据中台为切入点，场景/应用驱动源头数据治理

发布时间：2020.04.01来源：知乎浏览量：4次标签：数据治理

数据中台通常是应用驱动构建，所处理的数据是业务关心和使用的数据。在数据中台开发与运营服务的过程中，面临很多源头数据的问题，比如不同系统的数据规范不一致，缺少主数据管理，数据质量不高等。虽然这些数据质量问题是客观存在的，但其发现与解决是阶段性的业务战略和现实条件决定的。因此关注目前已在或者将在应用场景中使用的数据，并追溯到该数据所引用的源头数据开展治理，最大限度的优化数据治理的资源投入，可以极大提高数据治理的功效。

构建企业级数据模型，指引业务系统建设
在数据中台建设中，以数据应用为指导，回顾与梳理银行各部门的业务流程、业务数据，构建企业级数据模型，建立模型原则与规范，并应用到源头系统的设计与审核过程中，并建议改变传统的功能驱动型开发方法，变为数据模型驱动型开发，将有效提升源头系统数据的统一性。

将数据治理融入到数据中台开发团队中
在数据中台的整个过程开发和运营过程中，或在系统发生重大变更时，数据治理团队与数据中台业务开发团队紧密协作，应注重在源头系统的设计、开发等各个阶段都与数据中台开发团队挂钩。
构建闭环的数据问题反馈机制，持续监控数据问题
数据中台识别发现的数据问题，与源头系统的开发、变更及后续质量控制相统一和协调，让源头系统的业务和开发人员成为数据中台数据治理的支持者和操作者

（部分内容来源网络，如有侵权请联系删除）

立即免费申请产品试用免费试用

睿治智能数据治理平台

采集平台

数据集成管理

数据交换管理

管理平台

元数据管理

数据标准管理

数据质量管理

主数据管理

服务平台

数据资产管理

大数据治理解决方案

数据资产目录解决方案

主数据管理解决方案

数据交换共享解决方案

数据集成建模解决方案

以数据中台为切入点，场景/应用驱动源头数据治理

典型技术架构的分析和构建——《企业大数据实践路线》

形成，风暴，规范，表演 - 实现数据治理

未来，数据治理或将成为企业新的业务增长点

运用大数据加快推进科技治理能力现代化

数据整理——大数据治理的关键技术

有效数据治理的几个原则

理解和证明数据治理2.0

数据治理如何释放信息的力量来解决实际的业务问题

大数据技术学习，深度挖掘大数据的现状分析

企业想获得更清醒的数据，请做好数据质量管理