數(shù)據(jù)治理是什么？到底是治什么？有什么前景呢？這篇文章作者將從數(shù)據(jù)治理到底指什么、工作范圍、主要職責(zé)、產(chǎn)品及數(shù)據(jù)體系等幾方面講起，為你搭建完整的數(shù)據(jù)治理知識體系。推薦對數(shù)據(jù)治理、數(shù)據(jù)分析等感興趣的童鞋閱讀。

數(shù)字中國建設(shè)規(guī)劃之后，兩會又確定了國務(wù)院機構(gòu)改革的方案，組建國家數(shù)據(jù)局，朋友圈紛紛被數(shù)據(jù)人刷屏，這可能算的上是數(shù)據(jù)人的一個高光時刻了。近期也有粉絲咨詢數(shù)據(jù)治理工作的崗位前景，有沒有必要考數(shù)據(jù)治理的DAMA證書，今天就花點時間聊聊數(shù)據(jù)治理那些事。

01 數(shù)據(jù)治理到底指的是什么？

大禹治水，是因為洪水泛濫，禍及民生題，修堤建壩河流改道，并且也要防患于未然。百度百科把數(shù)據(jù)治理定義為組織中涉及數(shù)據(jù)使用的一整套的管理行為。所以了解數(shù)據(jù)使用過程涉及的工作，也就能夠更加準(zhǔn)確地理解數(shù)據(jù)治理到底指的是什么了。

數(shù)字中國建設(shè)，首先要解決有數(shù)據(jù)的問題，也就是數(shù)據(jù)基建，連數(shù)據(jù)都沒有或者沒采集，上層建筑也就沒有根基，都是空談。

其次是，數(shù)據(jù)準(zhǔn)不準(zhǔn)，也就是質(zhì)量的問題，數(shù)據(jù)臟亂差，錯誤數(shù)據(jù)帶來錯誤的決策指導(dǎo)，還不如沒有數(shù)據(jù)拍腦袋。

第三階段就是效率了，想分析個數(shù)據(jù)要等個十天半個月，決策時效也過了。最后是成本，寒冬還沒過，企業(yè)數(shù)字化轉(zhuǎn)型本質(zhì)是追求依賴數(shù)據(jù)進行降本增效，而如果數(shù)據(jù)團隊的人和資產(chǎn)本身成了成本大頭，肯定不是長久之計。

所以，一切圍繞這四大目標(biāo)而進行的相關(guān)開發(fā)工作或者數(shù)據(jù)產(chǎn)品工具的建設(shè)，都是數(shù)據(jù)治理的范疇，比如為了獲取數(shù)據(jù)，需要制定數(shù)據(jù)采集的流程和規(guī)范，對于線上業(yè)務(wù)主要是埋點采集，線下靠傳感器或其他數(shù)據(jù)導(dǎo)入。

02 數(shù)據(jù)治理的工作范圍和主要職責(zé)

既然數(shù)據(jù)治理的目的是為了完成數(shù)字化應(yīng)用的四大目標(biāo)，那么，數(shù)據(jù)治理日常的工作范疇和全貌主要包含哪些呢？

1. 有數(shù)據(jù)

在數(shù)字化轉(zhuǎn)型意識覺醒之前，很多企業(yè)數(shù)據(jù)是缺失不全的，甚至很多人都不知道想要分析用戶行為數(shù)據(jù)，必須要先埋點采集。在一些公司中，數(shù)據(jù)分析、數(shù)據(jù)產(chǎn)品承擔(dān)了制定埋點規(guī)范的職責(zé)，定義數(shù)據(jù)采集的規(guī)范和標(biāo)注，一個功能上線，需要采集哪些字段，字段的結(jié)果和規(guī)范是怎樣的等。

或者散落在不同的業(yè)務(wù)系統(tǒng)，數(shù)據(jù)是孤島般存在的，數(shù)據(jù)中臺的概念興起后，首要的任務(wù)就是要打破煙囪和孤島，把數(shù)據(jù)統(tǒng)一匯聚起來。不同系統(tǒng)怎么整合和匯聚，不同部門數(shù)據(jù)打架時，該聽誰的也同樣需要制定數(shù)據(jù)匯聚的標(biāo)注和規(guī)范。

2. 數(shù)據(jù)準(zhǔn)

主要是指數(shù)據(jù)質(zhì)量問題，數(shù)據(jù)從采集、加工處理到應(yīng)用要經(jīng)歷非常長的鏈路和流程，任何環(huán)節(jié)出了問題，都可能導(dǎo)致數(shù)據(jù)錯誤，所以需要建立數(shù)據(jù)質(zhì)量檢查和監(jiān)控的標(biāo)準(zhǔn)，防患于未然，提前發(fā)現(xiàn)數(shù)據(jù)問題并修復(fù)

一致性：一致性是指數(shù)據(jù)是否遵循了統(tǒng)一的規(guī)范，數(shù)據(jù)集合是否保持了統(tǒng)一的格式。

完整性：完整性指的是數(shù)據(jù)信息是否存在缺失的狀況，數(shù)據(jù)缺失的情況可能是整個數(shù)據(jù)記錄缺失，也可能是數(shù)據(jù)中某個字段信息的記錄缺失。不完整的數(shù)據(jù)所能借鑒的價值就會大大降低，也是數(shù)據(jù)質(zhì)量更為基礎(chǔ)的一項評估標(biāo)準(zhǔn)。

及時性：及時性是指數(shù)據(jù)從產(chǎn)生到可以查看的時間間隔，也叫數(shù)據(jù)的延時時長。及時性對于數(shù)據(jù)分析本身要求并不高，但如果數(shù)據(jù)分析周期加上數(shù)據(jù)建立的時間過長，就可能導(dǎo)致分析得出的結(jié)論失去了借鑒意義。

準(zhǔn)確性：準(zhǔn)確性是指數(shù)據(jù)記錄的信息是否存在異?；蝈e誤。和一致性不一樣，存在準(zhǔn)確性問題的數(shù)據(jù)不僅僅只是規(guī)則上的不一致。更為常見的數(shù)據(jù)準(zhǔn)確性錯誤就如亂碼。其次，異常的大或者小的數(shù)據(jù)也是不符合條件的數(shù)據(jù)。

有效性：對于數(shù)據(jù)的值、格式要求符合數(shù)據(jù)定義或業(yè)務(wù)定義的要求，如某些電話、郵箱的格式。唯一性：針對某個數(shù)據(jù)項或某組數(shù)據(jù)，沒有重復(fù)的數(shù)據(jù)值。值必須是唯一的如ID類數(shù)據(jù)。

3. 效率高

主要包括數(shù)據(jù)生產(chǎn)者和數(shù)據(jù)使用者兩個方面，即既要高效生產(chǎn)，又可以快速輸出業(yè)務(wù)價值。這就主要涉及數(shù)據(jù)倉庫的資產(chǎn)化管理和建設(shè)，比如元數(shù)據(jù)管理、主數(shù)據(jù)管理等。數(shù)據(jù)生產(chǎn)者：模型開發(fā)效率高，可復(fù)用，通過數(shù)據(jù)倉庫分層建設(shè)，提升開發(fā)效率和運維效率。

源端業(yè)務(wù)數(shù)據(jù)變動只需要修改一層底表邏輯，而不需要所有任務(wù)全部改一遍。數(shù)據(jù)消費者：數(shù)據(jù)找得到，敢使用?？梢郧宄闹雷约盒枰臄?shù)據(jù)指標(biāo)存放在哪個指標(biāo)中，統(tǒng)計邏輯是什么，放心大膽的使用。

這就要求數(shù)據(jù)資產(chǎn)管理的數(shù)據(jù)產(chǎn)品，既能滿足數(shù)倉建設(shè)的高效率，同時也要具備資產(chǎn)索引地圖的能力，方便業(yè)務(wù)查找和使用數(shù)據(jù)。

4. 成本低

大數(shù)據(jù)數(shù)據(jù)量大、價值密度低導(dǎo)致需要大量的服務(wù)器來存儲每天海量增長的數(shù)據(jù)，雖然說Hadoop分布式的能力支持廉價服務(wù)器的部署，但每臺4w也架不住幾千幾萬臺。

所以，數(shù)據(jù)不可能只增不減，還需要持續(xù)做加法，通過數(shù)據(jù)的冷熱分離、無效數(shù)據(jù)歸檔刪除，高耗時任務(wù)的治理來降低數(shù)據(jù)的存儲和計算成本。

03 數(shù)據(jù)治理涉及的工具及數(shù)據(jù)產(chǎn)品體系

1）數(shù)據(jù)埋點管理系統(tǒng)將埋點規(guī)范集成到數(shù)據(jù)管理后臺中，讓整個埋點流程線上化流轉(zhuǎn)，提升埋點工作的規(guī)范化程度，減少漏埋和錯埋。即使像一些用戶行為分析系統(tǒng)力推的無埋點或可視化埋點，也都有埋點數(shù)據(jù)管理模塊提供界面化的指標(biāo)定義能力。早期的埋點規(guī)則主要靠excel世代相傳。

2）數(shù)據(jù)倉庫開發(fā)與管理匯聚入湖的數(shù)據(jù)需要加工處理才能發(fā)揮其價值，尤其對于湖倉一體的架構(gòu)中，涉及到結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)倉庫模塊的開發(fā)。按照業(yè)務(wù)需求的邏輯對數(shù)據(jù)進行ETL處理，輸出一個個的數(shù)據(jù)模型。可以將數(shù)據(jù)模型開發(fā)規(guī)范和流程融入到系統(tǒng)當(dāng)中，是一種低代碼的思想減少數(shù)倉建模的開發(fā)代碼開發(fā)，提升模型的規(guī)范化和復(fù)用性，比如阿里的Datapin，系統(tǒng)化的好處在于方便前置化管理建模過程，而不是先污染后治理，弊端是可能沒有開發(fā)自己寫代碼那么靈活。

數(shù)據(jù)質(zhì)量監(jiān)控數(shù)據(jù)不準(zhǔn)可以說是業(yè)務(wù)和數(shù)據(jù)團隊最頭疼的問題之一，業(yè)務(wù)拿到數(shù)據(jù)不敢用，先來問下開發(fā)準(zhǔn)不準(zhǔn)，開發(fā)不自信，看了任務(wù)看了代碼說應(yīng)該沒問題。數(shù)據(jù)質(zhì)量監(jiān)控圍繞一致性、及時性、完整性、準(zhǔn)確性維度構(gòu)建豐富靈活的數(shù)據(jù)質(zhì)量規(guī)則配置和自動化預(yù)警能力，讓數(shù)據(jù)開發(fā)人員更自信，只要監(jiān)控沒報警，就可以拍著胸脯說，是不是業(yè)務(wù)上有什么變化。

數(shù)據(jù)資產(chǎn)管理地圖酒香也怕巷子深，數(shù)據(jù)模型開發(fā)完了，找得到、敢使用才能提升復(fù)用性，數(shù)據(jù)地圖通過資產(chǎn)目錄共享和強大的數(shù)據(jù)檢索能力，提供逛數(shù)據(jù)、找數(shù)據(jù)的能力，同時需要具備豐富的模型元數(shù)據(jù)信息，讓數(shù)據(jù)消費者快速判斷是不是自己所需要的數(shù)據(jù)，如何使用。

數(shù)據(jù)成本治理與優(yōu)化雖然說大家默認(rèn)數(shù)據(jù)部門是成本中心，但是在這個寒冬之下，也要勒緊褲腰帶，雖不能開源但總要節(jié)流，哪些數(shù)據(jù)長期無人使用可以歸檔或刪除，哪些任務(wù)SQL性能奇差一個任務(wù)執(zhí)行10多個小時，消耗大量CPU、GPU？

數(shù)據(jù)成本優(yōu)化核心目標(biāo)是建立數(shù)據(jù)健康分評價體系，自動化檢測治理目標(biāo)，并提供歸檔、刪除等自動化治理動作，從而釋放服務(wù)器資源，常態(tài)化做減法。

數(shù)據(jù)血緣主要解決數(shù)據(jù)的追根溯源的問題，例如數(shù)據(jù)異常，需要通知下游業(yè)務(wù)，數(shù)據(jù)治理時需要下線或者刪除，下游有沒有人在使用，沒有血緣就不敢治理，數(shù)據(jù)&服務(wù)只增不減統(tǒng)一數(shù)據(jù)權(quán)限數(shù)據(jù)安全問題事關(guān)企業(yè)生死存亡和數(shù)據(jù)團隊的“錢途”，統(tǒng)一權(quán)限主要是建立數(shù)據(jù)資產(chǎn)權(quán)限申請、授權(quán)、審計對應(yīng)的流程，從而保證數(shù)據(jù)既共享又安全。

04 數(shù)據(jù)治理的崗位有沒有前途

數(shù)據(jù)治理可以說是數(shù)字化建設(shè)最基礎(chǔ)的根基部分，在數(shù)字化建設(shè)初期需求量非常大，即使有些企業(yè)追求短期的數(shù)據(jù)應(yīng)用價值快速可見，終究還是要回過頭來還數(shù)據(jù)治理的技術(shù)債，所以如果當(dāng)前從事的是數(shù)據(jù)治理方向的開發(fā)或者產(chǎn)品工作，就先花1-2年把這個方向的基礎(chǔ)打扎實，然后再向雨后春筍一樣，遇到合適的機會快速向上。

如果開始選擇職業(yè)方向，那就根據(jù)自己專業(yè)背景決定是否以這個方向切入，計算機、統(tǒng)計、算法、數(shù)學(xué)等專業(yè)背景的上手?jǐn)?shù)據(jù)治理相關(guān)工作相對會更快。