|
|
比来艾瑞等一些征询机构前后公布了对于数据中台和数据治理的一些研报，结合比来跟一部份客户探讨的对于数据域后续开展的一些心得，明天来谈谈数据中台与数据治理的后续开展趋向和思绪。
一、市场在扩张，然而趋于明智，价值导向更显著
数据中台是中国外乡降生的一个词，从技术的角度来说，我集体以为是对数据架构和数据平台的一个微小奉献，疾速拉近了遥不可及的数据技术与实际运用的间隔，让数据在企业落地变得触手可及。
数据中台显然是近几年的一个行业热点，简直一切有才能的客户，都会场所套用数据中台的概念来启动数据域建立或者革新，试图打破信息壁垒和数据烟囱，完成数据资产的整合。在数据因素配置的政策加持下，数据中台市场范围迅速扩张。
比来看了一些数据，数据中台增长率从2019年的十二0%，降到了2022年的30%，再到预测的2023年的24%，虽然不同机构对这一数字的解读用了不同词儿，有的叫增长趋于安稳，有的叫增速骤降，怎么说都对，但其中的共鸣就是客户开始变得比之前明智，再也不纠结于过分追新求快，开始关注数据中台的价值导向。客户也开始更明智的对待数据因素，从一开始像囤积土地资源同样囤积数据，开始更多关注数据自身可以带来的价值。同时，也开始更为关注基于数据中台的数据治理当该如何发展。
二、数据中台与数据治理本就你中有我，我中有你
数据中台的泛起，在主观上对传统数据治理的推动形成了一定的影响，然而数据中台从实质上跟数据治理是相反相成额瓜葛。首先，数据中台完成了数据资源的聚合和融通，承载了业务条线对数据的需要和冀望，是企业切入数据域建立的首要途径和抓手。企业经过数据中台的建立和落地，对比容易在数据层面“找问题”、“强弱项”，有助于数据治理认识和体系的造成。数据中台要想继续发扬价值，需求受数据治理体系的办理和束缚，数据治理的继续运转有助于进一步增强和推进数据办事才能建立。
虽然在技术架构上，数据治理一直都是数据中台的首要组成部份，然而数据治理的功效一直都没有发扬出来。究其缘故，问题应该出在办理和组织上。
三、除了工具战争台，咱们应该怎么了解数据治理
1、一致思想
数据治理当该成为企业数字化转型策略的一部份，针对不同状况和处境，尽快达成统一，造成一致的治理思想和策略，并归入数字化策略一致推动。处在数字化转型早期的，应该采用办理后行轨制为王的战略；处在数字化转型中期的，应该尽快建设数据治理平台才能，建设全链路数据跟踪监测体系和数据品质基线，疾速发现问题，防止一乱一治的问题。
2、组织至上
数据治理一直都是一个以报酬本的畛域，数据治理的中心是人，不是零碎。这个概念可能得多人不克不及承受，但事实就是这样。平台和工具只能替代人去处置一些反复性休息，然而数据认识的养成、数据规范的建设、数据品质体系的完美都需求靠人去推进。所以，成立专门的组织就很首要，建设面向数据治理、数据运维和数据经营的专门团队，肯定团队和组织的位置和责权益，就变为了燃眉之急。有时分组织的规模不单单是本单位外部，还会包罗你的运用开发商、办事商和供给商。
3、模式适配
通常来说，数据治理的推动模式有集中式、联邦式和散布式。模式没有好与坏的区分，合适的就是最佳的。好比，关于办理能效高，自上而下推进力强的企业，显然集中式是最好的选择。关于存在多源异构数据的企业，数据资源丰硕、需求调动不同业务条线的数据认识和踊跃性，联邦制可能更合适。
4、建章立制
在之前的数据治理流动中，得多大水平上规章轨制是缺位的。数据治理往往以静止的形式泛起，“醒时同交欢,醉后各扩散”，雷声大雨点小，静止当时无人问津，所有都回归原点。数据治理的建章立制的进程，也是“立法”的进程，需求明白数据的办理职责、办理流程，造成常态化治理机制，完成数据的“长治久安“。
四、数据治理的开展趋向
从目前来看，数据治理的开展趋向，有得多方面曾经很明白了，好比数据治理与AI的结合、数据平安与数据治理的深度融会、数据价值呈现成为数据治理的关注焦点。以上思绪无庸多言，我想重点分享一下上面的观念：
1、业务牵引的精密化治理，成为趋向
传统大水漫灌式的数据治理形式，正在被业务场景聚焦的精密化形式取代，开始尝试重点冲破症结和中心业务场景，在局部和小规模进行推动，取得功效当前再进行推行。同时，不同行业和畛域对数据治理才能的需要迫切水平也纷歧样，好比金融数据治理重点关注数据规范化，多源异构数据较多和离线实时数据并行的场景更关注数据品质监测，需求根据结合行业属性和业务特征进行有针对性的精密化治理，根绝头疼医头脚疼医脚。
2、全链路数据跟踪监测体系和数据品质基线需求继续关注
说起数据品质监测，这正成为数据治理取得价值冲破的首要抓手。面对少量多源异构数据和不同业务场景下，离线和实行数据并存的状况，全链路数据跟踪监测体系显得尤其首要，需求从数据源、数据模型到数据运用的全链路监控，监控数据调取、数据运转形态和数据品质事情。同时，咱们需求及时构建数据品质运维基线，按照工作要求建设公道的基线预警，对数据品质问题早发现早处理。关注继续的工作关联性和影响性剖析（有点像业务延续性外面的业务影响性剖析），基于全链路的数据血统，梳理上下数据依赖瓜葛，及时通报及时修复。
3、数据治理和数据平台一体化建立
数据治理体系和数据平台建立，往往没方法依照“发现问题、剖析问题、解决问题”的门路去落地，会受得多问题的制约和限度。解决数据问题，通常有两个思绪：
一是一是从平台架构、技术方面思考解决办法。这个标的目的就是数据中台，数据中台中的“所有业务数据化、所有数据业务化”的思想，体现出来的数据资产化、元数据办理等等跟数据治理思想统一。
二是经过数据治了解决问题。在这个标的目的上，数据治理从数据资源目录梳理、数据规范建设开始，逐渐推进数据资源办事和数据才能办事两大板块。
因此，数据平台建立与数据治理正在深度融会，根据一体化建立的思绪向纵深开展。
4、DataOps数据开发治理一体化
近几年，DataOps数据开发治理一体化在业界十分受欢送。部份数字化转型较早、数据资源前提优厚的企业，鉴戒传统DevOps的理念，将本来扩散的数据治理、办理、开发和运用等环节买通，造成一个无缝连接的大闭环，去破解企业在数据运用中的困难。
到底甚么是DataOps，在当初阶段不太好定义。维基百科对DataOps的定义是一种面向流程的自动化办法，由剖析和数据团队使用，旨在进步数据剖析的品质并缩短数据剖析的周期，简而言之，就是提供一整套工具和办法论，让数据运用的开发和办理更为高效。显然，这个定义有点抽象又不明白。
咱们个别了解，DataOps的指标是为了使数据资源和数据运用的开发变得更为有序和可控，完成组件和才能重用以及进程自动化，完成面向用户的自助式数据剖析。DataOps在数据开发经营体系化方面，能够作为数据中台建立必需参考的一个办法论。DataOps 强调的是数据运用的开发和运维效力，就像DevOps 同样，DataOps 但愿经过提供一整套工具和办法论，来让数据运用的开发和办理更为高效。
假如说数据中台是数据策略层面的，我了解DataOps就是战术层面的。原本还想说说Data Fabric，又是一个不太好翻译的词，Data Fabric成为跨平台数据整合的新形式，极有多是推翻式的形式。
来源：向云而生 |
|
注册会员