大数据平台下的数据治理

什么是数据治理

数据治理是指从使用零散数据变为使用统一主数据、从具有很少或没有组织和流程治理到企业范围内的综合数据治理、从尝试处理主数据混乱状况到主数据井井有条的一个过程。

难题

随着以Hadoop生态与MPP生态技术的提升，数据如何进来，如何整合，开展什么样的应用都已经有了成熟的案例，可是，同传统数仓时代一样，垃圾进垃圾出，如何破？相比传统数仓时代，进入
数仓集群的数据更加的多样、更加的复杂、量更足，这个数仓时代都没有处理好的事情，如何能够在大数据时代处理好，这是所有大数据应用者最最期盼的改变，也是大数据平台建设者最有挑战的难题：数据治理难的不是技术，而是流程，是协同，是管理。

数据治理涉及的IT技术主题众多，包括元数据管理、主数据管理、数据质量、数据集成、监控与报告等。

大数据平台下的数据生命周期

在这里插入图片描述

数据治理关键场景

生产数据
分析数据
历史数据

数据治理面临的挑战

异构数据
复杂业务数据
安全合规问题

首先数据层面，业务中有很多异构数据比如文档，报告报表，GIS信息，NOSQL等。

其次业务层面，面对的是全公司所有的业务数据，各类业务或者系统数据都需要定制化或者协调标准进行统一采集，处理，标准化。

最后安全层面，数据的所有权、安全性。

数据治理关键问题

1. 海量系统规模

几百个业务系统+
几万张库表+
几十万字段+

2. 复杂存储

关系型数据库
对象性数据库
内存对象
K-V NO-SQL
列模式数据仓库
HDFS分布式存储
MPP型存储

3. 复杂采集

基于SQL
存储过程
python、shell、scala、java、sparkSQL、FlinkSQL等等各类脚本

数据治理目标

数据治理的目标是保障数据及其应用过程中的运营合规、风险可控和价值实现，通过数据治理管理体系规范数据治理流程，保证数据治理的合规运营；通过数据治理价值体系推进数据资源的价值实现，提升数据价值。运营合规、风险可控是价值实现的基础，为价值实现提供一个良好的治理环境；价值实现则是运营合规、风险可控的升华，是数据治理的核心目标。