文章架构
1、数据治理是咩？
2、数据治理相关术语和名词
3、数据治理治咩？
4、数据治理的现状、问题、挑战、价值
5、数据治理的框架和标准？
6、怎么治
7、案例（没写完--下次）
01
—
数据治理是咩？
现在，大家越来越重视数据，因为数据不仅能帮助我们回顾过去，还能帮助我们预测未来。企业开始更加关注数据治理，其实质是看重数据背后潜藏的商业价值。这一次，我们会聊聊数据治理是什么，为什么它这么重要，以及企业在进行数据治理时会遇到的价值、问题和挑战。
1.1. 数据治理是什么？
我之前询问过许多企业的不同层级的人员关于数据治理的看法，每个人都有自己的理解，没有一个统一的答案。下面是以不同的角度来看待数据治理的。
（1）管理层视角：对于管理者（如集团CEO、银行高层等），数据治理是企业战略的一部分，是推动企业数字化变革、转型的基石。像集团要求各分/子公司和业务部门按顶层战略部署开展数据治理相关工作；银行将数据战略纳入董事会议程，由董事会审批重大事项，通过数据治理赋能业务、服务客户、保障数据安全与合规等。
（2）业务人员视角：以企业市场部领导为代表的业务人员，常认为数据治理不是信息部门的事吗？自身只是配合。业务人员想利用数据做客户分析以提升销量，但存在很多问题，如不清楚企业有哪些数据。他们期望数据治理能让数据开放透明（有数据资源目录等）、数据有定义、方便获取且数据质量有保障，这击中了数据定义、数据地图构建和数据质量管理这三个数据治理的要害。
（3）技术人员视角：
张大炮（数据仓库领域）：认为数据治理包括ETL（确保数据仓库有数据）、数据处理保障准确性可用性、元数据管理保障溯源和影响分析。
梅太监（系统运维部）：觉得企业数据治理重点在数据源（业务系统）治理，因为业务系统数据质量高了，数据仓库才能有高质量数据和洞察。
小李子（数据平台部）：认为重点在数据湖，因为企业大部分数据已接入数据湖，在数据湖治理数据，满足所有用数需求即可，且相比从源头治理更具优势（操作简单、周期短、成本低）。总之，不同技术方向的技术人员从自身专业出发对数据治理理解不同，在不同场景下数据治理内涵各有侧重。
简单来说，数据治理就是让企业的数据井井有条，发挥最大作用，帮助企业发展。不同的角色，对数据治理有不同的理解和需求。
1.2. 数据治理的定义
数据治理这个概念，不同的组织有不同的解释。国际数据管理协会（DAMA）认为它就像是管理数据资产的“交警”，负责制定规则和监督执行，确保数据有序流动。而国际数据治理研究所（DGI）则认为它是一个复杂的“操作手册”，告诉我们如何在正确的时间、地点，用正确的方法处理信息。
简单来说，就是让数据整齐划一，大家都能找到、用好它，同时保证数据的安全和准确。这是企业转型升级的必备工作，涉及到怎么管数据、谁来管、怎么用等方方面面
02
—
数据治理相关术语和名词
2.1. 数据元
数据元可以理解为数据的基本单元，就像单词是句子的基本单元一样。它由对象（比如手机号、性别）、特性（手机号的格式、性别的分类）和表示（手机号的数字、性别的“男”或“女”）三部分组成。数据元的作用就像是把数据标准化成一个个小模块，这样有助于数据的管理和应用。
主要作用：数据元帮助我们把数据标准化，就像是用同一种语言来描述事物，这样所有人都能明白。在企业管理中，数据元让数据变得更加统一和有序，就像是在仓库中把每种零件都分类放好，方便使用。
栗子：数据元在金融和医疗等行业中非常重要，就像是在这些领域的交流中使用了一套共同的“密码”。国家会制定一些标准，比如规定药品信息应该怎么记录和分享，这样所有人都能按照同样的规则来操作，确保信息的准确和一致。
元数据就像是给数据贴上的标签或者说明书，它告诉我们数据是什么，从哪里来，以及如何使用这些数据。想象一下，如果你有一堆书，元数据就是每本书的封面、目录和简介，帮助你快速找到你想读的内容。
主要作用：元数据帮助我们更好地管理和查找数据，就像图书馆的索引卡一样，让数据变得更加有序和可访问。
栗子：元数据就像是数据仓库的地图，它帮助我们在复杂的数据环境中找到方向，确保我们能够高效地使用和管理数据。
2.3. 主数据：
主数据是企业中的“黄金数据”，它是那些在不同部门和系统中都需要共享和使用的关键信息，比如客户信息、产品信息等。
主要作用：主数据是企业的核心数据，它确保不同系统中的信息是一致的，就像是一家公司的“身份证”，保证了业务运作的准确性和效率。
栗子：主数据就像是企业的大脑，它协调不同部门之间的信息，确保每个人都在使用相同的数据，比如无论是销售部门还是客服部门，看到的客户信息都是一样的。
2.4. 业务数据：
业务数据就是企业在日常运营中产生的各种数据，比如销售记录、生产数据等。
主要作用：业务数据是企业活动的直接反映，它为企业的决策提供依据，就像是一天的工作日志，记录了所有发生的活动。
栗子：业务数据就像是企业的血液，它流动在企业各个部门之间，为企业的各项功能提供动力，比如销售数据帮助企业了解市场情况，生产数据帮助企业调整生产计划。
2.5. 主题数据：
主题数据就像是把数据按照特定的主题或者兴趣点整理好的资料夹。它把相关的数据放在一起，这样当人们需要针对某个特定主题进行分析时，就能快速找到所需的信息。主题数据通常是汇总后的信息，不经常更改，主要是用来读取和分析的。
主要作用：主题数据帮助企业和组织更好地进行数据分析和决策支持，就像是为特定的项目准备了专门的资料包，让决策者能够专注于他们最关心的问题。
栗子：不同的行业和企业会根据自己的需求定义不同的主题数据。比如一个制造企业可能会关注生产、销售、库存等不同的主题，每个主题都包含了相关的数据，帮助管理层更好地了解和决策。
2.6. 数据仓库：
数据仓库就像是一个巨大的资料库，它存储了企业所有的历史数据，这些数据被按照一定的主题组织起来，以便于进行分析和决策。
主要作用：数据仓库是企业的数据大本营，它把分散在各个业务系统中的数据集中起来，为决策提供支持。它不仅帮助整合数据，还能让用户从多个角度分析数据，甚至通过数据挖掘来预测未来。
栗子：数据仓库是进行数据分析和可视化的基础平台。它把各种数据汇集起来，分类整理，让用户能够快速找到所需的数据，支持数据分析。为了确保数据仓库中的信息准确可靠，企业会进行数据治理，提高数据质量，以便做出更准确的决策。
2.7. 数据湖：
数据湖就像是一个巨大的水池，可以容纳各种各样的水（数据），不管这些水是来自河流（结构化数据）、小溪（半结构化数据）还是雨水（非结构化数据）。它不需要先把水过滤或者装进瓶子里，而是直接把原始的水存起来，需要的时候再进行处理。
主要作用：数据湖提供了一个灵活、低成本的方式来存储大量不同类型的数据，并且可以在需要的时候方便地进行分析和使用。它与数据仓库的区别在于，数据湖更注重于存储原始数据，而数据仓库则更侧重于已经整理好的数据。
栗子：数据湖不是一个单独的产品，而是一整套解决方案，它包括了数据的收集、存储、处理和分析等多个环节。像亚马逊AWS、阿里云这样的公司提供的 数据湖解决方案，帮助企业更好地管理和利用大量的数据。但是，数据湖的管理也带来了一些挑战，比如如何在这样一个庞大的数据集中进行有效的数据治理，确保数据的质量和安全。
03
—
数据治理治咩？
数据的生产者，就是那些通过做买卖或者其他活动产生数据的人或公司。比如我们上网购物、发微博，我们就是在生产数据。 数据的拥有者或控制者，这些人或公司不一定生产数据，但他们掌握着数据。就像我们上网产生的数据，其实最后都存放在像腾讯、阿里这样的互联网公司手里。 数据价值和经济利益的受益者，就是那些从数据中赚到钱或者获得好处的人或公司。比如通过分析用户数据，公司能推出更受欢迎的产品，从而赚钱。
04
—
数据治理的现状、问题、挑战、价值
4.1. 现状
数据治理的现状，可以概括为以下三点：
总的来说，不同企业的情况不一样，有的已经跑得很快了，有的还在慢慢学步。但不管怎样，大家都意识到数据治理是未来发展的关键，都在往这个方向努力。就像跑步一样，有的企业已经跑了好几圈，有的刚起步，但最终大家都会加入到这场数据治理的马拉松中来。
4.2. 问题
企业在使用数据时，经常会遇到以下五种问题:
总之，这些问题说明了为什么企业需要好好管理数据，只有解决了这些问题，数据才能真正成为帮助企业发展的资产。
4.3. 挑战
企业在进行数据治理时，通常会面临以下六个挑战：
总的来说，数据治理面临的挑战在于如何让所有人都认识到它的价值，如何从战略层面进行规划，如何获得高层的支持，以及如何统一数据标准、调动业务人员的积极性，并且建立起专业的团队来实施。
4.4. 价值
数据治理就像是给企业的数据来个大扫除，让数据从一堆乱糟糟的东西变成能帮企业赚钱的宝贝。这么做有六个好处：
05
—
数据治理的框架和标准？
数据治理框架和标准就像是建房子的蓝图和规则，帮助企业把数据管理得井井有条。国际上有几个主流的数据治理框架和标准，比如ISO的数据治理标准、GDI数据治理框架和DAMA数据管理框架、GB/T 34960、数据管理能力成熟度评估模型。这里我们重点说说国内外的数据治理标准。
5.1. ISO数据治理标准
ISO的数据治理标准提供了一套完整的方法论，主要包括以下几个方面：
（1）目标：就是让企业能够高效、合理地使用自己的数据资源；
（2）基本原则：有六个，分别是职责、策略、采购、绩效、符合和人员行为。这些原则告诉企业应该怎么做决策，但具体怎么实施，由谁来做，什么时候做，则需要企业根据自己的情况来决定；
（3）数据治理模型：提出了“评估(E)-指导(D)-监督(M)”的方法论。简单来说，就是先了解现状和未来数据的使用情况，然后制定和执行数据战略和政策，确保数据的使用能帮助实现业务目标，同时监督数据治理的实施情况；
（4）内部需求：企业要根据自身的战略目标来塑造一种数据文化，确保数据治理策略能够达到企业的总体目标；
（5）外部压力：企业可能需要调整数据治理战略和政策，以适应外部市场的变化，比如客户对数据的期望、竞争对手的数据使用、数据保留和处置的法律要求等；
（6）评估：企业需要考虑内部需求和外部压力，审查和判断目前和未来数据的管理和使用情况；
（7）指导：制定和执行数据战略和政策，目的是最大化数据的价值，管理数据风险，确保数据管理水平；
（8）监督：通过适当的系统测量，监测数据的使用情况，确保数据的使用和管理符合内部和外部的要求，保证数据的安全和隐私，避免偏见或歧视。
总的来说，ISO的数据治理标准就是帮助企业建立一套规则，让数据能够被合理地收集、使用和管理，从而支持企业的业务发展和遵守相关法规。
5.2. DGI数据治理框架
DGI数据治理框架就像是企业建数据大厦的蓝图，它帮助企业在使用数据做决策时有一个清晰的指导。这个框架主要分为三个层次：人员与治理组织、规则、流程，一共包括10个组件。
（1）为什么要做数据治理：这是数据治理的初衷和方向，包括了数据治理的愿景和目标。愿景是最高指引，目标则是具体可实现的结果，比如提高利润、控制风险等；
（2）数据治理治什么：这涉及到数据治理的具体内容，包括制定数据规则、明确数据的决策权、职责和控制措施，确保数据的质量和安全；
（3）谁参与数据治理：这指的是数据治理中的角色，包括数据利益关系人、数据治理办公室和数据管理员。他们各自有不同的职责，共同推动数据治理的实施；
（4）怎么开展数据治理：这是数据治理的具体步骤，包括从价值声明到策略实施再到监控评估的七个阶段，就像建房子从设计到施工再到验收的过程；
（5）什么时候开始做数据治理：这指的是数据治理的时机和优先级，什么时候开始做，先做哪些部分；
（6）数据治理位于何处：这强调的是企业当前数据治理的成熟度，以及与行业先进水平的差距，帮助确定数据治理的目标和策略。
DGI框架是一个全面的、持续的数据治理模型，它适用于各种规模的企业，可以根据企业的需求和复杂性灵活调整和扩展。简而言之，它就是一个帮助企业更好地管理和使用数据的工具。
DAMA的数据管理框架就像是一个指南针，帮助企业在数据的海洋中找到方向。它把数据管理分成了11个知识领域，每个领域都像是企业数据管理的不同部分，共同构成了一个完整的数据管理“车轮”。
数据治理：这是车轮的中心，就像是企业的数据大脑，负责制定数据管理的规则和策略，确保其他部分有序运行；
数据架构：就像是企业的数据蓝图，规划数据的布局和结构，确保数据能够支持企业的业务战略；
数据建模和设计：这就像是设计数据的样子，包括如何组织数据，使之更容易理解和使用；
数据存储和操作：这涉及到数据的存放和日常维护，确保数据安全、可靠，并且随时可用；
元数据管理：元数据是关于数据的数据，管理好它就像是给数据加上标签，方便我们知道数据是什么，在哪里；
数据质量管理：这像是确保数据的健康，只有数据质量好，我们才能信赖它，用它来做决策；
主数据和参考数据管理：这是对企业最关键的数据进行管理，确保这些数据在整个企业中是一致的和准确的；
数据安全管理：这就像是保护数据的保险柜，确保数据不被坏人拿走或破坏；
数据集成和互操作：这涉及到如何把不同来源的数据拼接在一起，让它们能够协同工作；
文件和内容管理：这像是管理企业的文件柜，包括所有非结构化的数据，如文档、图片和视频；
数据仓库和商业智能：这就像是企业的智慧中心，把数据转换成有用的信息，帮助企业和做出更好的决策。
总的来说，DAMA的数据管理框架就是帮助企业把数据管好、用好，让数据成为企业发展的助力。
国内的数据治理框架，就像是给企业制定了一套管理数据的规则和指南。其中，GB/T 34960标准就像是企业数据治理的“说明书”，它分为五个部分，帮助我们更好地理解和实施数据治理。
这个标准告诉我们，数据治理主要包括四个方面：
（1）顶层设计：这是数据治理的基础，就像建房子要先设计蓝图一样。它包括数据战略规划、组织构建和架构设计，确保数据治理的方向和目标与企业业务和信息技术规划一致；
（2）数据治理环境：这是数据治理的保障，就像建房时的环境和条件一样重要。它包括内外部环境分析和促成因素，确保数据治理能够适应变化，得到支持，并且符合法律法规；
（3）数据治理域：这是数据治理的对象，就像是房子里的各个房间。它包括数据管理体系和数据价值体系，涉及到数据标准、质量、安全、元数据管理以及数据生命周期管理等方面；
（4）数据治理过程：这是数据治理的方法，就像建房子的施工流程。它包括统筹和规划、构建和运行、监控和评价以及改进和优化，确保数据治理能够有序进行，并且持续改进；
总的来说，GB/T 34960标准就是帮助企业建立起一套科学的数据治理体系，让企业的数据能够被有效地管理起来，发挥出最大的价值。
5.5.数据管理能力成熟度评估模型
DCMM（数据管理能力成熟度评估模型）就像是给企业数据管理能力打分的标准。它把数据管理分成了八个方面，每个方面又包括几个具体的内容，总共28项。这些方面就像是数据管理的八个房间，每个房间都要打扫干净，才能让整个家的数据管理得井井有条。
这八个方面包括：
数据战略：规划、实施和评估数据怎么用；
数据治理：建立团队、制度和沟通机制来管理数据；
数据架构：设计数据的结构和布局；
数据应用：用数据来进行分析、共享和服务；
数据安全：制定策略和管理措施来保护数据；
数据质量：确保数据准确、完整和可靠；
数据标准：统一数据的名称和格式；
数据生命周期：从数据的创建到退役的整个过程。
DCMM还把企业的数据管理能力分成了五个等级，从最初级的“刚起步”到最高级的“优化级”，帮助企业了解自己的数据管理处在哪个水平，然后逐步提升，最终让数据发挥出最大的价值，帮助企业更好地发展。
06
—
怎么治
企业想要做好数据治理，就像是要建一座大楼，需要以下九个关键要素：
（1）数据战略：就像大楼的设计图，要明确数据治理的目标和怎么去实现；
（2）组织机制：像是大楼的架构，需要每个部门都参与进来，明确各自的角色和责任；
（3）数据文化：这是大楼的基石，要求每个人都能认识到数据的重要性，用数据来指导工作和创新；
（4）管理流程：就像大楼的管道和电路，确保数据能够顺畅地在各个部门间流动，为业务服务；
（5）管理制度：这是大楼的规则，确保数据治理有章可循，不会出现混乱；
（6）数据：数据就是大楼的材料，需要统一标准和质量，才能确保大楼的稳固；
（7）人才：人才是建造大楼的工程师和工人，没有他们，数据治理就无法实施；
（8）技术：技术就像是建楼的各种工具和设备，没有先进的技术，就无法高效地完成数据治理；
（9）工具：这些就像是建楼的各类专业工具，选择合适的工具能让数据治理工作更加高效。
总之，企业要做好数据治理，就需要把这些要素整合起来，确保每一步都扎实，才能建起一座稳固的“数据大楼”。
企业数据治理可以想象成打造一部机器，这个机器有四个关键部分：
所以，企业数据治理就像是按照蓝图来设计操作系统，然后用具体的技巧和工具来建造一部能够高效运转的机器。
企业数据治理的“战略层面”就像是打造一个健康的数据生态系统，需要三个关键机制来支撑：
总的来说，企业数据治理的“战略层面”就是要有明确的数据战略指引，建立灵活的组织机制，以及培养一种深入人心的数据文化，这样才能让企业在数据的海洋中航行得既稳又快。
企业数据治理的“管理层面”就是一套行动计划，包含了八个步骤，帮助公司把数据治理落到实处：
总的来说，这八个步骤就是帮助企业把数据治理这件事做得又好又稳，让数据真正成为公司发展的助力。
企业数据治理的“执行层面”就是具体的操作技巧，包括了七种关键能力，帮助公司把数据治理落到实处：
（1）数据梳理与建模：就像整理家里的物品，先搞清楚家里有什么，放在哪里，然后画出家里的布局图。数据梳理就是搞清楚公司有哪些数据，数据模型就是那张布局图；
（2）元数据管理：就像是图书馆里的目录，帮助我们知道每本书的位置和信息。元数据管理就是确保我们有这样的目录，能够快速找到和理解数据；
（3）数据标准管理：就像制定家里的规则，比如碗要放在哪里，衣服怎么叠。数据标准管理就是制定一套规则，让数据保持一致和规范；
（4）主数据管理：主数据就像是家里的贵重物品，需要特别保护和打理。主数据管理就是确保这些核心数据准确、完整、可靠；
（5）数据质量管理：就像保持家里的清洁和有序，数据质量管理就是确保数据是干净的、准确的，能够放心使用；
（6）数据安全治理：就像是家里的安全系统，保护家里的贵重物品不被偷。数据安全治理就是保护数据不被非法访问或泄露；
（7）数据集成与共享：就像家里的各种电器和工具，如果能够互相配合使用，就能发挥最大的效用。数据集成与共享就是让不同的数据和应用能够协同工作，提高效率。
总的来说，这七种能力就是企业数据治理的具体操作技巧，帮助企业把数据管理得井井有条，让数据发挥最大的价值。
企业数据治理的“工具层面”就是一套强大的工具，就像是武侠中的七把利剑，帮助企业更好地管理数据。这些工具分别是：
（1）数据模型管理工具：就像是地图，帮助企业了解数据的结构和关系，是数据治理的核心工具；
（2）元数据管理工具：就像是图书馆的目录，帮助企业和员工快速找到和理解他们需要的数据；
（3）数据标准管理工具：就像是家规，确保所有数据都按照统一的规则来处理和存储；
（4）主数据管理工具：就像是保险箱，专门用来保护和管理工作中最重要、最核心的数据；
（5）数据质量管理工具：就像是清洁剂，用来检查和提升数据的质量，确保数据是准确和可靠的；
（6）数据安全治理工具：就像是安全系统，保护数据不被非法访问或泄露，确保数据的安全；
（7）数据集成与共享工具：就像是桥梁，连接不同的数据源，让数据能够在不同的系统和应用之间顺畅流动。
总的来说，这些工具就是帮助企业把数据治理工作做得更高效、更安全，让数据真正成为企业发展的助力。
注释：如有失误，望批评指正！
后面会写下Windows和liunx的应急响应技巧、容器、还有一些网络安全、数据安全。
后台输入“Windows应急响应手册、linux应急响应手册、数据安全政策、数据安全治理、电力、工业、金融、0731、0830、0911”有相关资料可供下载！