面對科技不斷發展的今天，大型企業不能忽視的問題之一就是大數據治理問題。現在數據的格式多樣化，IT系統內存非結構化數據和各種電子文檔數據都需要有效的治理。大數據治理的內部分工也日趨細化，其中服務、采購、市場、開發、銷售、支持、物流、財務等各個環節，企業管理者對數據的困惑也與日俱增，面對不斷生成的各種大數據信息和數據零散化，企業時刻都在面對的大數據治理的問題。下面我們就來詳細看看大數據治理。

大數據治理，即基于大數據的數據治理。大數據，一般指符合4V特征的數據，包括社交數據、機器數據等，大數據對傳統數據治理工作帶來很多的擴展，在政策/流程上，大數據治理應覆蓋大數據的獲取、處理、存儲、安全等環節，需要為大數據設置數據管理專員制度;需考慮大數據與主數據管理能力的集成，需要對大數據做定義，統一主數據標準;在數據生命周期管理各階段，如數據存儲、保留、歸檔、處置時，要考慮大數據保存時間與存儲空間的平衡，大數據量大，因此應識別對業務有關鍵影響的數據元素，檢查和保證數據質量。此外，在隱私方面，應考慮社交數據的隱私保護需求，制定相應政策，還要將大數據治理與企業內外部風險管控需求建立聯系。

一、大數據治理的商業價值

企業只有建立了完整的大數據治理體系，保證數據的質量，才能夠真正有效地挖掘企業內部的數據價值，對外提高競爭力。

首先，高質量數據是企業業務創新、管理決策的基礎。隨著互聯網企業對其他各行業的沖擊，加劇了市場的競爭，許多企業面臨收入增速放緩、利潤空間逐步縮小的局面，過去單純的外延式增長已經難以為繼。因此，必須向外延與內涵相結合的增長方式轉變，未來效益的提升很大程度上要依靠企業的內部挖潛實現，這從客觀上對企業的創新能力提出了更高的要求，而提升企業內部數據管理的精細化水平，是企業開展業務創新和管理決策的重要基礎，能夠為企業創造巨大效益。

其次，標準化的數據是優化商業模式、指導生產經營的前提。許多企業的 IT 系統經歷了數據量高速膨脹的時期，這些海量的、分散在不同角落的數據導致了數據資源利用的復雜性和管理的高難度，形成了一個個系統豎井。系統之間的關系、標準化數據從哪里獲取都無從知曉，通過數據治理工作，可以對分散在各系統中的數據提供一套統一的數據命名、數據定義、數據類型、賦值規則等的定義基準，通過數據標準化可以防止數據的混亂使用，確保數據的正確性及質量，并可以優化商業模式，指導企業生產經營工作。

最后，多角度、全方位的數據是企業開展市場營銷。數據已成為企業最核心的隱形財富，誰掌握了準確的數據誰就能獲得先機，在當前競爭日益激烈的市場上，企業如何在不同的細分市場構建客戶畫像、開展精準營銷，如何選擇競爭策略、進行經營管理決策，都必須基于360度全方位、準確的加以分析判斷才能得出。

二、明確數據治理責任，建立數據治理組織

數據出了問題，到底是誰的責任?因為數據主要是IT系統產生的，所以一直以來，解決數據問題都被認為是IT部門的職責。而IT部門也飽受其苦，數據定義和業務規則，業務部門最清楚;數據錄入，業務人員負責;數據使用，業務人員是用戶;數據考核，業務部門有權力……但實際上，要切實解決數據問題，開展數據治理工作，就必須先清楚一點：數據治理，是業務部門和IT部門共同的職責。

值得一提的是，越來越多的企業開始重視數據治理工作，一些企業高管團隊中也產生了一個全新的職位——首席數據官(CDO)，是組織內大數據戰略的制定者和推動者，負責組織內數據資產的開發和利用，通過數據推動組織業務的創新和發展，通常直接匯報給CEO或CIO。

管理出成效，制度是保障，大數據治理需要管理和制度的有力支撐，可結合企業的現狀，制定相應的管理辦法、管理流程、認責體系、人員角色和崗位職責等，頒布相關的數據治理的企業規章制度等。舉個例子，在筆者負責過的一個數據治理項目中，為了加強數據保密管理，根據重要程度、公開范圍、數據使用頻次和數據安全要求，針對數據制定了四個重要級別：極敏感級、敏感級、較敏感級、低敏感級，并根據不同級別實施相應的管理舉措，級別越高，數據管理的要求越高。

數據規范：沒有規矩，不成方圓，數據規范是指對企業核心數據進行有關存在性、完整性、質量及歸檔的測量標準，為評估企業數據質量，并且為手動錄入、設計數據加載程序、更新信息以及開發應用軟件提供的約束性規則，數據規范一般包括數據標準、數據模型、業務規則、元數據、主數據和參考數據。

制定數據標準的目的是為了使業務人員、技術人員在提到同一個指標、名詞、術語的時候有一致的含義。數據模型對企業運營過程中涉及的業務概念和邏輯規則進行統一定義。業務規則是一種權威性原則或指導方針，用來描述業務交互，并建立行動和數據行為結果及完整性的規則。元數據能夠幫助增強數據理解，可以架起企業內業務與 IT 部門之間的橋梁。主數據用來描述參與組織業務的人員、地點和事物。參考數據是系統、應用軟件、數據庫、流程、報告中及交易記錄中用來參考的數值集合或分類表。

三、數據治理活動，理論結合實踐

數據治理活動是指為實現數據資產價值的獲取、控制、保護、交付以及提升，對數據規范所做的計劃、執行和監督工作，一般包括以下活動。

數據架構管理，用于定義企業數據需求，設計實現數據需求的主要藍圖，通常包括數據標準管理、數據模型管理、數據集成架構等;數據質量管理，指通過計劃、實施和控制活動，運用質量管理技術度量、評估、改進和保證數據的恰當使用;元數據管理，指通過計劃、實施和控制活動，以實現輕松訪問高質量和整合的元數據;數據安全管理，指通過計劃、制定并執行數據安全政策和措施，為數據和信息提供適當的認證、授權、訪問和審計;參考數據和主數據管理，指通過計劃、實施和控制活動，達到保證參考數據與主數據的一致性。

四、數據治理軟件：工欲善其事，必先利其器

目前業界流行的數據治理軟件，一般也稱為數據資產管理產品、數據治理產品，主要包括的功能組件有元數據管理工具、數據標準管理工具、數據模型管理工具、數據質量管理工具、主數據管理工具、數據安全管理工具等。

利用數據治理軟件主要解決企業不同來源數據集成過程中遇到的問題，需要數據治理軟件能夠為企業提供統一的元數據集成、數據標準管理、數據模型設計、數據質量稽核、數據資產目錄、數據分析服務等能力。

以上我們介紹了大數據治理不可忽視的四大核心要素，基于大數據的人工智能時代的到來，為各行業帶來基于數據資產進行業務創新、管理創新的契機，伴隨著企業數字化轉型過程，越來越多的數據被收集，大數據治理將為企業提供更全面更準確的數據，如果您想了解更多相關信息，請您及時關注中培偉業。