打破大数据先污染后治理 普元帮企业抓准数据治理最佳时机

ZD至顶网CIO与应用频道 07月06日 北京消息（文/王聪彬）：现如今企业都在关注大数据该如何用，但企业在真正应用大数据的过程中并不那么顺畅，尤其是有着各种分公司或子公司的集团型、大型企业，他们数据的形态和标准都不统一，这也给应用添加了难度。

数据治理本就是个痛苦的过程，尤其是面向海量数据进行大数据的价值转化与清洗更加痛苦，所以从国家层面已经开始积极建立制度标准推行数据治理。目前一些行业已经是数据治理的领先者，但某一行业的数据治理模型并不具备普适性，由于各行业数据治理需求的不同，通用版的数据治理模型往往难以进行推广。

在大数据生态中，普元信息已走过9年专业数据治理路径，希望通过大数据治理为企业解痛，加速企业的数字化转型。目前，普元已与星环产品进行互认、与南大通用数据治理产品兼容、整合到太极、华为的大数据产品中，实现全面的大数据治理生态。

全过程与全方位做数据治理

在数字化时代每一个企业都是大数据公司，各行各业都在通过使用大数据来促进增长、优化升体验。但其实很多大数据分析得出的结论并不够准确，这也是在大数据生态中数据治理缺失所造成的，所以现在很多企业在做数字化转型时都要倒退回来做数据治理，形成先污染再治理的局面。

数据治理并非简单的管理，其是一个关注于信息系统执行层面的体系。从使用零散数据变为使用统一主数据、从具有很少或没有组织和流程治理到企业范围内的综合数据治理、从尝试处理主数据混乱状况到主数据井井有条的一个过程。

大数据治理可以将数据与服务结合创造数据的价值，统一的数据规范可以掌控企业的数据资产提升数据质量，之后就要对整体服务进行治理，规范服务内外部的使用方式和服务质量，最终提升企业数据资产价值。

在大数据生态中可以分为采集、存储管理、应用三个阶段。在这个过程中传统数据治理也存在三个问题，第一、治理范围过窄，如果在应用过程中才发现数据的问题，那之前可能做的都是无用功，所以大数据治理要参与到整个过程中；第二、数据治理难落地，企业如果没有很好的技术平台数据治理是很难实现的，而且数据治理见效需要一定的时间；第三、针对特定行业，数据治理在每个行业都有不同的需求，经验很难推广。

普元信息软件产品部副总、大数据产品线总经理王轩

针对数据治理的难点，普元信息软件产品部副总、大数据产品线总经理王轩在和不同行业的用户沟通中总结出，要对大数据全过程和全方位进行管控。

从行业需求做数据治理

普元的大数据治理架构以元数据为核心，将主数据、大数据治理、大数据资产化、大数据共享发布、大数据标准、大数据交换集成整个服务环境中的所有信息集中，作为整个数据治理的技术平台。

在数据治理方面，普元提供了数据质量、元数据、数据交换、数据标准四个方面的产品。而且普元大数据治理还有五大特色：

第一，全行业。丰富的客户群体现了普元的跨行业经验。

第二，全体系。通过平台、服务、规划帮助企业把数据治理落地。

第三，全框架。通过实践提炼出稳定的数据治理框架。

第四，全自主。在治理上全部平台都是自主研发。

第五，全过程。在数据的全生命周期进行治理。

现在有一个普遍现象，企业其实已经逐渐进入到大数据应用阶段，但因为数据的质量问题，却要回头做数据治理。这也是每一个用户都在面临问题，怎么才能在不打破应用的前提下进行数据治理。普元的方法论是，新系统强制使用新要求，老系统抓住时机逐步改造，最终实现标准的统一。

上文提到集团型企业在数据治理推行上的一些难度，王轩则认为，现在集团型企业每个机构的信息化水平存在差距，反而是数据治理的最好时间点，因为信息化程度较低的公司可以直接在集团统一的数据标准下进行发展。

大数据治理要理解行业需求，普元在金融、电信、制造、政府、电力行业都有不同的差异化方案。金融行业注重建立企业级数据管理体系；电信行业以治理为基础进行数据资产共享开放；制造业需要建立数据集成体系，是IT系统之间的数据集成；政府要建立元数据驱动服务目录与数据交换体系；电力行业基于全生命周期进行数据资产管理和运营。

以国家开发银行为例，以行长为主建立了数据治理机构，数据治理由业务部门主导，IT部门执行，并且引入质量考核体系。普元为其构建出一体化的开发、调试、部署、运行和管理维护平台，规范数据的需求、设计、开发、集成、应用等环节，采集全行元数据，支撑了国开行数据标准落地、数据质量提升以及数据仓库的建设。