如何利用大数据治理框架近年来数据应用于决策、营销和产品创新？

大数据将打开各行各业的数据“潘多拉魔盒”。社交网站、电商巨头、电信运营商，乃至农业、医疗、文旅、公园、军营、地产、空域规划、国土规划等行业都将加入大数据“淘金”热潮，政府部门也将从大数据中学习。受益良多。

如何将海量数据应用于决策、营销和产品创新？如何利用大数据平台优化产品、流程和服务？如何利用大数据更科学地制定公共政策，实现社会治理？这一切都离不开大数据治理。可以说，大数据战略从顶层设计到底层实施的过程中，治理是基础，技术是载体，分析是手段，应用是目标。

大数据治理的目的

数据治理的目的是解决海量数据处理过程中可能出现的数据问题。数据治理相关模型的构建，就是对数据治理的各个环节形成固定的模块操作，从而保证数据治理的各个环节都能得到有效实施。

为什么需要大数据治理框架

大数据的淘金之旅需要脚踏实地的努力。大数据治理是连接大数据科学和应用的桥梁。如果你想去这个美丽的大数据的另一边，大数据治理必须是“必修课”之一。 ——宽带资本董事长田苏宁

大数据治理涉及组织的所有部门和所有流程，贯穿整个数据生命周期。为了打破数据分割的困境，最大化大数据的价值，需要对分散的、孤立的、不同类型的大数据集进行聚合。提高数据质量，最大限度地利用可信数据，需要对各种数据进行清洗和净化，消除数据风险，保护用户隐私，需要对大数据进行加密和屏蔽……因此，一个合理的大数据治理框架是必需的。

权威机构的大数据治理框架

近年来，数据治理越来越受到国内外研究机构和学者的关注。在数据治理框架设计方面取得了多项研究成果，并广泛应用于以数据为核心业务的商业、教育、医疗等社会。在开发领域取得了良好的应用效果。

DAMA（国际数据管理协会）、ISACA（国际信息系统审计与控制协会）、DGI（国际数据治理研究所）、IBM 数据治理委员会和 Gartner 等权威机构从不同角度给出了数据治理框架。

DAMA 国际数据管理协会

DAMA给出的定义最具代表性，数据治理包含的要素最为全面，对企业数据治理体系的建设具有一定的指导意义。

DGI 数据治理框架

DGI框架以一种非常直观的方式，从组织、规则和流程三个层次概括了数据治理的十大关键要素和十个基本组成部分的逻辑关系，形成了从方法到实现的自成体系DGI完整体系创新提出DGI数据治理框架。

IBM 数据治理框架

IBM在构建数据治理框架时提出了数据治理要素模型，认为目标或结果是数据治理最关键的命题。

Gartner数据治理与信息管理元素模型数据治理框架理解与解读

多家权威机构给出的数据治理框架包括元数据管理、数据质量管理、数据安全管理、数据标准、主数据管理、信息生命周期管理、数据开发等数据治理内容，以及数据组织结构数据治理的组织管理和实施，例如管理和数据治理流程。结合当前大数据中80%的数据都包含时空属性，以及时空大数据中多年的积累，以下是大数据组织的数据治理框架的内容景轩资讯。希望业内专家指正不足，期待与您交流。 ：

组织管理是开放数据治理流程的重要环节。它涉及数据管理者、数据利益相关者、数据访问和使用等各个部门和单位之间的业务协调。它需要IT和业务部门之间的协作，并且必须一致地协作以提高数据的可靠性和质量，以支持关键业务和管理决策并确保合规。

元数据管理起着非常重要的作用。通过元数据管理工具为所有业务人员提供元数据服务，使业务人员能够从业务角度快速了解数据，从而帮助业务人员更好地利用数据。同时数据处理模块开发，通过查询元数据信息，可以了解数据在全生命周期的来龙去脉（包括数据的来源、数据的修改和删除等），实现对数据的高效管理。大数据系统中的海量数据信息

元数据管理。大数据治理需要将大数据与企业的元数据数据库整合，并将大数据术语纳入业务词典。例如：添加术语“唯一访问者”以支持点击流分析。

1. 将 Hadoop 中的技术元数据引入元数据库。

2. 确保数据沿袭管理器可以将数据从 Hadoop 流式传输到技术元数据数据库。

3. 在大数据环境中管理数据沿袭并影响分析。

数据标准的合理性和统一性决定了数据治理的有效性。通过时空网格编码的方法建立时空数据的统一标准，并与其他业务标准共同建立数据治理的标准体系。数据标准适用于业务数据描述、信息管理和应用系统开发。它们可以作为业务管理中涉及的数据的标准化定义和统一解释，作为信息管理的基础，作为应用系统开发中数据定义的基础。 企业数据标准体系建设既要满足当前的实际需求，又要着眼于与国家和国际标准接轨的未来。

数据质量管理。大数据质量管理需要实时性，解决准结构化和非结构化数据的相关问题。糟糕的数据质量肯定会阻碍需要深入业务洞察的分析，因此大数据治理的质量必须“足够好”。

主数据管理是通过使用相关流程、技术和解决方案对企业核心数据进行有效管理的过程。主数据管理涉及主数据的所有参与方，如用户、应用程序、业务流程等，以创建和维护企业核心数据的一致性、完整性、相关性和正确性。主数据是企业内外广泛使用和共享的数据。被誉为企业数据资产中的“黄金数据”。主数据管理是企业数字化转型的支点，是企业数据治理的核心部分。

数据安全管理，早在 1890 年数据处理模块开发，Louis Blanchames（后来成为美国最高法院大法官）和 Samuel Warren 等人在《哈佛法律评论》上发表了《隐私》一文。该论文将隐私定义为“独处的权利”。此后，世界各地的法规和立法对隐私权理论进行了规范和扩展。大数据治理需要识别敏感数据并制定有关敏感数据可接受使用的政策。政策需要考虑因大数据类型、行业和国家/地区而异的法规。鉴于隐私主题的广泛报道，大数据治理计划有必要建立与社交媒体和地理位置数据相关的指南（如果适用）。

总结

数据治理需要因地制宜。无论建立什么样的数据治理框架体系，采用何种数据治理技术，其目的都是为了实现数据治理的目标，即通过有效的数据资源控制手段来实现对大数据的管理。管控提高数据分析能力，数据应用深度，进而实现数据的能力。因此，数据治理体系和框架只是企业数据治理的参考，需要根据具体需求进行调整。

提示

这是一个系列文章，反映了景轩信息对数据治理的一些思考。除了对本数据治理框架的解读外，还将涵盖组织管理、元数据管理、数据标准、质量管理、主数据安全管理六个技术模块，分析数据治理的一些技术和方法，以及如何应用数据治理，共8篇高能干货文章，敬请期待！