大数据分析平台数据治理好像什么都做了，又好像什么都没做？

ningxueqin

　　当数据治理正式开放时，业务和技术人员共同努力建立平台，配置数据质量检查规则，发现大量数据质量问题，然后呢？半年后，一年后，大数据分析平台同样的数据质量问题仍然存在。
　　
　　很多数据治理项目很难验收，客户往往会有疑问:你做了什么数据治理？看看你的报告，我们做了很多事情，为什么什么都看不见？在这种情况下，原因往往是客户需求不明确，项目推广过程中没有有效的反馈机制，客户也没有感知到数据治理的结果，所以客户一开始就有疑问。
　　事实上，数据治理的结果是可以量化和可视化的，在与客户沟通、培训、知识转移的过程中，对数据治理的重要性和价值产生了难以察觉的影响。
　　数据治理误区：数据治理不能落地，需要检查是否雄心勃勃？
　　数据治理不是一堆标准文件，而是需要在IT平台上实施治理过程中产生的标准、到IT平台上，在数据生产过程中通过从头到尾进行数据治理，避免事后审计带来的各种被动和运维成本的增加。
　　数据治理需要关注数据：数据治理的本质是管理数据，因此需要加强元数据管理和主数据管理，从源头治理数据，弥补数据的相关属性和信息，如元数据、质量、安全、业务逻辑、血缘关系等，通过元数据管理数据生产、加工和使用。
　　数据治理需要建设和管理集成：数据模型血缘关系与任务调度的一致性是建设和管理集成的关键，有助于解决数据管理与数据生产直径不一致的问题，避免两个皮肤的低效管理模式。
　　数据治理是一个长期的过程，开放时要稳定，进行时要全面，后续维护要一致。亿鑫华晨旗下的瑞智数据治理平台将是您数据治理的好帮手，从元数据、主数据、数据标准、数据质量到数据处理、数据资产、数据交换和数据安全，为企业提供一站式解决方案，开拓数据治理全过程。