在数据智能时代企业面对庞大的数据量如何高效进行数据治理？

在数据智能时代，对企业而言，“数据驱动业务”或者“数据即是业务”的理念逐渐成为业界的一种共识。然而，数据孤岛、数据标准不统一等问题在一定程度上阻碍了数据资产价值的最大化体现。个推作为专业的数据智能服务商，在数据治理方面有着丰富的实践，旨在帮助提升效率、节省成本、获取数据资产价值。

数据治理目标
企业数据治理的目标主要是为了企业能够快速发展和效益的最大化，比如提升效率（数据开发效率或者使用效率）、节省成本、业务创新增收、风险控制等。企业通过治理运营可以及时发现并规避一些经营风险问题，有效确保数据使用的合理性与合规性。

数据治理规范
根据ISO定义，数据治理 (Data Governance, DG) 就是以服务组织战略目标为基本原则，通过组织成员的协同努力、流程制度的制定以及数据资产的梳理、采集清洗、结构化存储、可视化管理和多维度分析，实现数据资产价值获取、业务模式创新和经营风险控制的过程。治理工作旨在让数据使用更便捷，价值更易被挖掘。

上图是我们国家标准化管理委员会于18年6月发布，19年初正式实施的《数据治理规范》。由图可知，数据治理一共分为四大模块：顶层设计、数据治理环境、数据治理域、数据治理过程。其中，顶层设计是数据治理工作的基础。数据治理工作会涉及到多部门、多团队、多工种，需要根据组织当前的业务和数据现状，设定实体或虚拟组织机构，确保治理工作朝着组织战略目标前进。

目前，个推也设立了各专业的委员会和执行组织，负责把控数据工作的目标和方向、指导数据工作的开展落地等。

数据治理环境是数据治理得以成功实施的保障条件。开展数据治理之前我们需要理清领导层、管理层、业务层、执行层等等利益相关方的需求，同时识别出项目支持力量和阻力。值得注意的是，数据治理工作是个长期的过程。有关准备工作和支持力量不容忽视，因为两者直接决定了后续工作的推进是否顺利。

架构中部的数据治理域主要负责治理工作相关的制度规范、流程的制定和落地。数据治理域由数据管理体系与数据价值体系两部分构成。前者主要包括数据质量、数据安全相关的标准制度，后者主要指的是数据共享、数据服务和数据使用分析体系相关的制度。

数据治理工作需要长期持续投入，所以在具体执行过程中，我们就需要考虑用正循环的闭环方式去开展。治理过程主要包括确定数据治理目标、制定数据治理计划、执行业务梳理、设计数据架构、采集清洗数据、存储核心数据、实施元数据管理和数据血缘追踪，并定期检查治理结果与治理目标的匹配程度。

数据治理实践
治理工作的主要流程可以概括为“理—采—存—管—用”。“理”指的是理组织、理业务、理数据；“采”指的是让这些数据能方便地流入到中心集群中；“管”是治理的核心，指的是管元数据、管质量等等。“用”这个环节，常规方式一般是通过API予以提供。基于此流程，个推构建了自己的数据治理平台。