数据治理 Data Governance
数据治理
数据治理体系是构建完善、共享、统一管理的数据环境的基本保障和重要组成部分，是把数据作为资产来加以管理的有效手段。据治理体系确定了一系列的岗位角色和相应的责任及管理流程，以保障业务数据在采集、集中、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性。
目的与价值
企业进行数据治理的最大驱动力来自数据质量，通过提高数据质量实现更多的业务价值；将实现业务目标作为数据管理和服务的核心驱动力，优化数据架构，提升数据仓库/信息化管理系统建设，支持管理能力的提高、精细化和决策的科学性。
服务特色
统软云的数据治理对于确保数据的准确、适度分享和保护是至关重要的。有效的数据治理计划会通过改进决策、缩减成本、降低风险和提高安全合规等方式，将价值回馈于业务，并最终体现为增加收入和利润。
构建数据质量规则库
自带常规质检分析报告，实时可视化呈现质检结果
定义多模型质检方案
多点监测、多模型质检方案，高效调度，并发和串行处理相结合
提供可视化检查结果
自带常规质检分析报告，实时可视化呈现质检结果
为什么需要数据治理？
各行业的信息化发展和建设水平并不均衡，甚至有的行业是刚刚起步。但是，不论是金融行业、通讯行业、地产行业、传统制造业以及农业，其信息化的发展基本都遵循了“诺兰模型”。企业信息化大致经历了初期的烟囱式系统建设、中期的集成式系统建设和后期的数据管理式系统建设三个大的阶段，可以说是一个先建设后治理的过程。
数据质量层次不齐
应用可以通过中间件平台自动部署，在部署过程中中间件平台可以通过IaaS层的服务接口动态创建虚拟机，并下发部署包完成程序的部署。 在部署完成后可以根据业务系统的并发访问情况动态去调度后台的虚拟资源池资源，真正实现计算和存储能力的弹性和可伸缩。
数据交换和共享困难
企业信息化建设初期缺乏整体的信息化规划，系统建设大多都是以业务部门驱动的单体架构系统或套装软件，数据分散在这些架构不统一、开发语言不一致、数据库多样化的系统中， 甚至还有大量的数据存放在员工的个人电脑中，导致在企业内部形成了一个个的“信息孤岛”。这些“孤岛”之间缺乏有效的连接通道， 数据不能互联互通，不能按照用户的指令进行有意义的交流，数据的价值不能充分发挥。只有联通数据，消除这些“信息孤岛”，才能实现数据驱动业务、数据驱动管理，才能真正释放数据价值。
缺乏有效的管理机制
目前，许多企业都认识到了数据的重要性，并尝试通过生产系统的业务流来控制数据流，但由于缺乏有效的管理机制和某些人为的因素，在数据流转过程中， 存在数据维护错误、数据重复、数据不一致、数据不完整的情况，导致产生了大量的垃圾数据。 数据产权不明确，管理职责混乱，管理和使用流程不清晰，是造成数据质量问题的重要因素。
存在数据安全隐患
2018年3月份的Facebook 5000万用户信息被泄露和滥用的事件，受该事件影响，Facebook股价当日大跌7%，市值缩水360多亿美元，而盗用数据的剑桥分析这家公司也于同年5月停止运营，并申请破产。 这种数据安全事件，在我国发生频率更多，我还清楚的记得： 2011年，黑客在网上公开了CSDN的用户数据库，高达600多万个明文的注册邮箱账号和密码遭到曝光和外泄； 2016年，顺丰员工应盗取大量客户信息被送上法庭；2017年，京东员工盗取用户个人信息50亿条，并通过各种方式在网络黑市贩卖。 近年来，随着大数据的发展，诸如此类的数据安全事件多不胜数。数据资产管理上，正在由传统分散式的人工管理向计算机集中化管理方向发展，数据的安全问题愈来愈受到人们的关注。
