大数据治理关键技术解析

转载本文需注明出处：微信公众号EAWorld，违者必究。

在企业数据建设过程中，大数据治理受到越来越多的重视。从企业数据资产管理和提升数据质量，到自服务和智能化的数据应用，大数据治理的内容在不断地发展和完善，其落地实施的过程中会遇到各种各样的难题和挑战。本篇文章通过分析大数据治理建设中的沟沟坎坎，总结出了大数据治理需要具备的能力和关键技术。

本文目录：

一、困难重重却充满光明的大数据治理发展之路

二、大数据治理技术需要不断革新

三、如何选择合适的大数据治理工具？

四、总结

一、困难重重却充满光明的

大数据治理发展之路

传统数据治理一直无法逃脱的魔咒

大数据治理从建设内容和实施目标上可以划分成不同的阶段，每个阶段完成不同的任务，随着阶段的递进，建设内容逐步加深，不同的企业切入点和诉求也各不相同。大致分为以下几个阶段：

• 摸家底阶段

  内容：企业元数据梳理和采集

  目标：构建企业数据资产库

  
  

• 建体系

  内容：建立企业标准和质量提升体系

  目标：提升数据质量

  
  

• 促应用

  内容：自服务通道、构建企业知识图谱

  目标：数据智能应用

然而，大数据治理建设之路并不是一帆风顺的，甚至说是充满各种问题和困难，如何管理企业级的数据资产、如何让业务积极参与到数据建设中来、如何降低数据治理的落地难度等一系列问题，一直困扰着数据治理的发展，传统数据治理的问题主要体现在以下几个方面：

• 管理范围窄

  要做数据治理首先要知道有哪些数据，传统的数据治理往往只管理了数据领域，很少关注业务、管理和开发相关的数据资产，数据管理范围比较窄，而且，受限于技术实现，即使在数据领域的数据资产也很难做到精确管理；

  
  

• 业务难结合

  业务元数据的广泛缺失，导致业务人员无法使用技术性的元数据系统，元数据缺乏业务用户，使用者少；

  
  

• 应用场景缺

  元数据被当成单独的系统，而不是广泛的技术基础，导致只关心元数据本身的应用场景；

  
  

• 技术不完善

  在技术层面存储缺乏扩展性，采集自动程度不高，管理实时性不高。

自服务大数据治理是解决问题之道