应用背景

随着大数据时代的来临以及信息技术的发展，人们产生的数据量正在以指数级的速度在增长，并且数据正以多元结构（结构化与非结构化）趋势发展，如此海量的、多元结构的数据就要求利用有效的方法来管理。大数据的作用体现在数据的集成、共享是否符合一定的规范，对数据的管理是否便捷，大多数单位仍然保持着传统的数据维护模式，需要数据时直接与负责单位沟通，编写的独立的odi实现数据交互，这不仅会导致数据质量不高，数据源单位模糊，更重要的是难以构建数据共享的规范，在后期运维中难度增加。因此基于大数据技术的治理是刻不容缓的。

数据治理、按国际数据管理协会（DAMA）的定义，数据治理是对数据资产的管理行使权力和控制的活动集合（规划、监控和执行），数据治理职能指导其他数据管理职能如何执行。

智能化已经成为各行各业发展与社会需求方面的必经之路,数据治理则是智能化不可缺失的一部分。

方案概述

为解决传统的数据共享中存在的“数据质量差、数据流向混乱、数据源头模糊、数据冗余”等问题，我们对数据中心重新建构，搭建数据治理平台，对各业务系统数据进行梳理、采集、清洗、标准化规范存储和应用，实现数据资产的有效管理和数据的深度共享。以经营、管理、科研、人事和财务等核心业务为中心，深入分析各系统的运行情况，旨在实现各业务系统的高效配合，实现各类源数据从采集、清洗、存储、分析等过程的完整性，适应数据治理的需求。

利用完善的统一数仓管理系统、数据填报工具、日志处理工具、和统一数据开放平台，使整个治理过程可管、可控、可视化，降低了数据治理的技术难度，显著提升了工作效率。同时，通过提供管理咨询服务和顶层架构设计，形成数据标准体系、数据工具体系、数据管理知识库体系和数据管理流程制度体系，使数据资产成果能够长期持续继承、迭代和完善。

方案特点与优势

• 
  

  高安全性

  数据共享、数据保密和安全需求,保证用户数据安全。
• 
  

  高度集成

  数据模型、存储监控、质量优化、安全控制等一些系列数据治理和管理功能。
• 
  

  易用性与人性化

  自动化解析、生动形象的图形化展示，预设数据标准模板和数据质量检测模板。
• 
  

  生命周期数据管理

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

主要功能

• 
  

  数据处理,数据标准

  用于对数据进行清洗、转换、整合、模型管理等处理工作，既可以用于对数据问题进行可行的修正，也可以用于为数据应用提供可靠的数据模型。
  数据标准是对数据进行统一的、规范的定义，确保数据在复杂数据环境中保持一致性、规范性，提高数据管控的效率，完善数据治理体系。
• 
  

  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。
• 
  

  数据共享交换

  数据交换用于实现不同机构、不同系统之间的数据传输交换，完成基本的数据汇集，确保数据在传输中的完整性、一致性。
• 
  

  图形化操作管理

  支持通过界面或图形的方式进行元数据及关系的维护，提供多种需求的图形化方式元数据的分析功能。

方案价值

数据治理系统为数据治理工作提供了可靠、便捷的工具支持。可以进行标准管理、数据管理、接口管理、数据质量分析等任务，全面管理数据情况。数据治理系统帮助梳理数据源头、理清数据流向、分析数据关系、管理数据模型、数据治理分析、展示数据资产、提供数据接口。以更加有效的方式发掘和利用大数据资产，实现数据分析各决策，推进数据的规范管理。

基于治理后形成的全量、标准化、高质量的数据资产，利用数据统计、机器学习、人工智能等大数据相关技术，实现各种微观、中观、宏观尺度的统计、挖掘、分析、预测，为各个业务部门、各级领导提供数据化、智能化的服务。