数字化转型@@数据@@治理@@的@@3个发展趋势@@

　　导读@@：数字化转型@@数据@@治理@@的@@定义是对数据@@资产管理行使权力和控制的活动集合@@。其最终目的是挖掘数据@@价值@@，推动业务发展@@，实现盈利@@。数据@@治理@@平台@@是以@@元数据@@为基础@@，实现数据@@的产生@@、存储@@、迁移@@、使用@@、归档@@、销毁等环节的数据@@生命周期管理@@。实现数据@@从源到数据@@中心再到应用端的全过程管理@@，为用户提供了准确便捷的企业资产信息@@。数据@@治理@@平台@@也包括数据@@标准@@，数据@@质量@@。

　　1. 从质量管理到质量与服务并重@@

　　在传统的关系型数据@@库时代@@，开展数据@@治理@@更多@@的是为了能够解决数据@@质量@@问题@@，提升数据@@决策水平@@。而在大数据@@时代@@@@，除了需要保证数据@@质量@@之外@@，对数据@@治理@@也提出了更高的要求@@，数据@@必须更好地适应不确定性的需求@@，即插即用@@，服务不断变化的业务创新@@，发挥出数据@@更大的价值@@。

　　在这种要求下@@，可以@@通过数据@@资产管理@@，在传统的数据@@治理@@能力之外@@，提供数据@@资产视图能力@@、数据@@检索能力@@、数据@@共享能力@@、数据@@价值运营能力等@@，实现数据@@的可见@@@@、可懂@@、可用@@、可运营@@，并不断增值@@。数据@@管理部门也有机会从一个纯粹的的成本中心逐渐转变成企业的创新中心和高利润部门@@。

　　可见@@：通过对数据@@资产的全面盘点@@，形成数据@@资产地图@@。针对数据@@生产者@@、管理者@@、使用@@者等不同的角色@@，用数据@@资产目录的方式共享数据@@资产@@，用户可以@@快速@@、精确地查找到自己关心的数据@@资产@@。

　　可懂@@：通过元数据@@管理@@，完善对数据@@资产的描述@@。同时在数据@@资产的建设过程中@@，注重数据@@资产业务含义的提炼@@，将数据@@加工和组织成人人可懂@@的@@、无歧义的数据@@资产@@。具体来说@@，在数据@@中台之上@@，需要将数据@@资产进行标签@@化@@。标签@@是面向业务视角的数据@@组织方式@@。

　　可用@@：通过统一数据@@标准@@、提升数据@@质量@@和数据@@安全性等措施@@，增强数据@@的可信度@@，让数据@@科学家和数据@@分析人员没有后顾之忧@@，放心使用@@数据@@资产@@，降低因为数据@@不可用@@@@、不可信而带来的沟通成本和管理成本@@。

　　可运营@@：数据@@资产运营的最终目的是让数据@@价值越滚越大@@，因此数据@@资产运营要始终围绕资产价值来开展@@。通过建立一套符合数据@@驱动的组织管理制度流程和价值评估体系@@，改进数据@@资产建设过程@@，提升数据@@资产管理的水平@@，提升数据@@资产的价值@@。

　　2. 人工智能大幅提升数据@@治理@@效率@@

　　高质量的大数据@@作为@@AI的原料@@，不断地训练出表现越来越出色的@@AI模型@@。反过来@@，AI也可以@@反哺大数据@@的处理能力@@，帮助人类大幅度提升大数据@@处理效率@@。目前很多企业和大数据@@服务提供商都在探索用机器人学习的方式帮助组织增强数据@@治理@@能力@@。

　　通过应用机器学习技术@@，来识别哪些数据@@可能有问题@@，哪些数据@@是用户的隐私数据@@@@。一旦数据@@特征被确认@@，就会自动给它们打上标签@@@@，从而使用@@这种自动化的机制来完成一部分数据@@治理@@工作@@。

　　比如当碰到某类有特殊标记的数据@@时@@，就会有相应的流程契动@@。而解决这类问题的传统机制往往需要人工操作@@，费时费力@@，在大数据@@时代@@，这样的人力成本投入已经不再实现@@，机器学习恶意将这一整串流程完全自动化@@，且准确率达到较高的水平@@。

　　在数据@@安全管理方面@@，人工智能的介入将帮助组织发现更多@@可疑的数据@@窃取@@、数据@@泄露的潜在风险@@，识别潜在的系统攻击@@，帮助组织建立健全的数据@@安全管理措施@@，填补技术上的漏洞@@。

　　3. 以@@元数据@@为核心的分布式数据@@治理@@@@

　　随着云计算@@、边缘计算的兴起@@，未来的数据@@治理@@必须满足分布式的要求@@，因为数据@@治理@@总是随着数据@@存储@@的位置进行@@。而实现这些@@，需要数据@@治理@@围绕元数据@@展开@@，无论数据@@分散在何处@@，都可以@@在数据@@保留在原地的情况下@@，通过元数据@@把它们关联在一起@@，因此元数据@@将成为未来数据@@治理@@的基础和核心@@。

更多@@精彩@@，请关注@@@@“官方微信@@”