数据治理与建议（数据治理的关键方法是什么）

数据治理必须涵盖数据的整个生命周期，从数据收集一直到数据管护。在这个生命周期中，数据治理的关键方法是什么？

1.数据模型——做建模

首先，需要由业务人员提出业务需求，并描述业务需求所需的数据内容。其次，通过业务人员及技术人员合作，根据业务对象抽象出数据概念，定义其描述、分类与关系。技术人员根据数据概念描述、分类，抽取出数据实体，并利用ER图描述其关系。最后，技术人员针对数据库特性将数据实体物化为数据库表，支撑实际应用。

2.数据质量——做清洗

由于互联网及通信技术的飞速发展以及数据量的爆发式增长，各类数据也大规模增长，可依据相关规范对数据质量即数据的及时性、完整性以及准确性进行限制，详细地通过事前防范、事中监控、事后管控3个时间段进行监督。

3.数据标准——做统一

根据已确定的企业核心逻辑数据模型，将模型中的数据项抽取出来。然后根据预定的业务数据项筛选方法，筛选出需要进行业务定义的数据项。再根据业务对所筛选出的业务数据项进行分类，产生用于通用数据标准及公共代码定义的数据标准项清单。

而具体的通用数据标准的制定包括定义工作目标、流程、及模版，其分类标准则根据数据在业务中的使用频度和业务需求，参考业界模型，通过汇总分析，对通用数据进行分类，形成统一的数据标准在数据层面的定义，并以数据项自然分类为基础，对数据进行分类。

4.主数据清理——做编码

主数据是描述核心业务实体的数据，是企业内跨业务重复使用的数据，存在于多个异构的应用系统中，是关键数据，而不是全部数据；是操作性数据，动态参与业务流程，而不是静态数据。

在企业中主数据是全员共享，全员服务的重要数据，与其他数据分离，作为单独的部分进行管理。

5. 数据生命周期——做管理

数据的生命周期包括数据创建、数据使用、数据归档、数据销毁4个阶段。而数据在生命周期内有效则可以满足业务操作和管理分析的需要；满足对历史数据查询相关政策和管理制度的要求；满足审计管理要求；减少数据冗余，提高数据一致性；减少存储、硬件、运维等方面基础设施投入；提升应用系统性能，提高响应速度。因此，数据生命周期的管理必不可少。

6. 数据清理——做规格

数据是数据仓库的灵魂，它不仅提供了数据仓库中数据结构的逻辑层，也提供了数据仓库的构建和使用规则。

为了使数据仓库中各个软件能够无缝地合作，必须在数据层进行有效的集成。所以，研究数据的作用与意义相当重要.数据是关于数据的数据，即是对数据资源的描述，按其描述对象的不同可以分3大类：技术数据、业务数据和管理数据。

7. 数据安全——做防范

数据治理的一个重要作用是保障数据的安全。应该从企业级、体系化视角开展数据安全管理顶层设计。数据统一分类分级后，通过数据鉴权来控制某一类数据可以被哪些系统调取，可以被哪些人员查看，可以被哪些部门共享，对不符合权限的对象进行限制，有效的防止数据泄露风险。

关于光点科技

光点科技是一家在政企数据治理、数据中台建设、数据可视化展示分析方面有着丰富经验的公司。作为国内专业的数据智能解决方案专家，光点科技自成立以来就一直专注于数据产品的研发和落地，服务的客户涉及智慧城市、园区、政府、集团企业、金融、制造、能源、电信、工程、教育、检验检测等多个行业。