数据治理包括哪几个方面

大数据时代的到来，让政府、企业看到了数据资产的价值，快速开始探索应用场景和商业模式、建设技术平台。这无可厚非。但是，如果在大数据拼图中遗忘了数据治理，那么做再多的业务和技术投入也是徒劳的，数据质量没有保证。而保证数据质量，数据治理是必须的手段。

一、关于数据治理

狭义上讲，数据治理是指对数据质量的管理、专注在数据本身。广义上讲，数据治理是对数据的全生命周期进行管理，包含数据采集、清洗、转换等传统数据集成和存储环节的工作、同时还包含数据资产目录、数据标准、质量、安全、数据开发、数据价值、数据服务与应用等，整个数据生命期而开展开的业务、技术和管理活动都属于数据治理范畴。

二、数据治理的目的和意义

数据治理的目的在于确保数据的质量，可用性，可集成性，安全性和易用性。数据治理要了解政府、企业的需求，并按照从上而下的策略进行开展数据管理的现状调研，摸清楚数据资产的分布、数据的质量、数据的管理现状、数据应用需求等情况，从而更好地对数据产生、采集、处理、加工、使用等过程进行规范。通过统一数据标准，制定合理的数据治理流程和制度，规范数据生产供应。通过提升数据质量、控制数据安全，不仅有利于提高政府决策的科学性,也有利于推进政府的数字化转型，让数据发挥出最大的效益。

三、数据治理包括哪些方面

下面以目前国内功能齐全的数据治理工具——亿信华辰睿治数据治理平台为例介绍数据治理应该包含了哪几个方面。

1、数据标准管理

数据标准建设提供全面完整的数据标准管理流程及办法，用于决定和建立单一、准确、权威的事实来源，实现大数据平台数据的完整性、有效性、一致性、规范性、开放性和共享性管理，并为数据质量检查、数据安全管理提供标准依据。

2、元数据管理

元数据管理内置丰富的采集适配器，端到端的自动化采集，一键元数据分析，快速理清数据资源，了解数据来龙去脉，构建数据地图，为数据标准建设和数据质量提供基础支撑。

3、数据集成管理

数据集成管理可实现跨部门数据的传输、加载、清洗、转换和整合，支持自定义调度和图形化监控，实现统一调度、统一监控，满足运维可视化需求，提高运维管理工作效率。

4、数据质量管理

数据质量管理以数据标准为数据检核依据，以元数据为数据检核对象，通过向导化、可视化等简易操作手段，将质量评估、质量检核、质量整改与质量报告等工作环节进行流程整合，形成完整的数据质量管理闭环。

5、数据交换管理

数据交换服务将若干个业务子系统之间进行数据或者文字的传输和共享，提高信息资源的利用率，集数据采集、处理分发、交换传输于一体，轻松玩转企业级数据交换作业。

6、主数据管理

主数据管理对需要共享的数据建立统一视图和集中管理，为各业务系统数据调用提供黄金数据。

7、数据安全管理

数据安全管理贯穿于数据治理全过程，提供对隐私数据的加密、脱敏、模糊化处理、数据库授权监控等多种数据安全管理措施，全方位保障数据的安全运作。

8、数据资产管理

数据资产服务可以帮助我们更好的支撑各种数据的应用，丰富的服务接口拓展，支撑数据资产的多渠道应用，如数据共享、决策支持等，最终实现数据资产价值最大化。

9、实时计算存储

实时计算存储基于开源Hadoop框架开发，融合MPP、SQL on Hadoop、流处理等大数据技术，支持海量数据的高效储存和统一管理，为企业决策提供实时的数据支撑

10、数据生命周期管理

数据生命周期记录数据从创建和初始存储，到它过时被删除的整个流动过程，对数据进行近线归档、离线归档、销毁和全生命周期监控。

四、关于睿治数据治理平台

睿治智能数据治理平台由亿信华辰自主研发，是一款融合数据治理十大产品模块，覆盖数据全生命周期管理的应用平台，也是目前国内功能齐全的数据治理工具，助力数据标准落地，提升数据质量，实现数据资产融合。