课程简介

传统的数据治理主要包括数据标准、元数据以及数据质量，其更加强调对业务系统存量数据的治理，同时，对于数据长效治理体制的建设也不够重视，所以传统数据治理在企业数据管理实践中也遇到了一些新的问题，例如开发与治理的脱节、烟囱式的数据开发、不同平台之间缺少统一的管控、治理缺少闭环等问题。

对于企业来说，数据的产出、应用和管理无处不在。在数字化的大浪潮下，无论是企业的管理者，还是企业的基层员工无时无刻不在和数据打交道，如何应用好数据、更好的挖掘数据价值是每个企业都面临的问题。企业使用数据的前提是了解数据，并不是所有的数据都值得去管理、去维护甚至去分析的。数据的生成、汇聚、存储、分析、共享等阶段都会因为数据管理的不当、数据治理手段的缺失，导致产生低质量的数据。低质量的数据不仅没有价值，它的存在还会导致错误的决策。因此，找出有价值的数据，应用与识别出数据资产是企业一个关键性的问题，而数据治理是解决这个核心问题的钥匙。

本次分享从网易内部的数据治理开发实践出发，阐述互联网企业在数据治理与资源化上的实践和思考总结，并结合外部金融、运营商等企业的落地实践，为与会者提供一些已有成效的借鉴。

课程收益

1.目标：

从互联网行业的数据治理和数据资源化实践出发了解数据治理开发一体化在互联网、金融、运营商等行业建设方面的思考和实践。

2.成功（或教训）要点：

（1）传统的数据治理是一个反向治理的过程，并不会融入到数据生产的整个过程当中，与数据开发、建模、运维、安全等环节都存在脱节现象，对于企业来说进行传统的数据治理就需要对其现有的系统和流程进行改造，必然面对高昂的成本，因此需要将数据治理的活动前置，从数据的生产环节加入数据治理的活动。

（2）数据治理是一个长期、可持续的过程，因此需要在治理活动的各个环节做到闭环，保证治理的结果切实落地。

（3）企业的数据治理体系的构建，需要结合数据治理产品工具，将流程建立在工具的基础上，制度建立在流程的基础上，管理建立在制度的基础上，形成全链路的数据治理体系。在整个过程中需要结合企业实际情况，因地制宜。

3.启示：

将数据治理的过程融入到数据开发的全生命周期中，强调“先设计、后开发、先标准、后建模”的原则，其目标就是将数据治理的流程与数据开发的全生命周期相融合，在数据开发过程中，完成数据治理，从而解决企业在数据使用过程中找不到、看不懂、信不过、管不住的问题，帮助企业识别有价值的数据，沉淀数据资产。

受众人群

大数据架构师、大数据工程师、研发人员、云原生相关从业者，以及对云原生大数据架构感兴趣的人员。

课程周期

0.5天/3小时

课程大纲

1.企业数据开发与治理过程中的问题与挑战

将数据资源化、资产化过程中经常遇到的问题剖析

2.浅谈数据治理开发一体化

针对企业所遇到的数据开发治理过程中的问题，给出相应的解决思路

3.数据治理实践

a)互联网行业的数据治理实践

b)金融行业的数据治理实践

c)运营商行业的数据治理实践

4.思考与总结

QA