大数据治理

为业务提供持续的、可度量的价值

概述

面对我们身边每时每刻迅速增长的庞大数据,因为其数量大、速度快、种类多和准确性的特征,如何更好地利用大数据创造出有意义的价值,一直是我们探索的重要话题。而在这之前,就需要用科学正确的方法策略对大数据进行治理。大数据治理是指制定与大数据有关的数据优化、隐私保护与数据变现的政策,是传统信息治理的延续和扩展,也是大数据分析的基础,还是连接大数据科学和应用的桥梁,因此大数据治理是大数据再创高峰的“必修课”。下面我们将与您分享新鲜出炉的大数据治理方案。

大数据治理系列

本系列共分为七个部分,围绕大数据治理统一流程参考模型,并结合实际业务问题和 IBM 相应的产品解决方案展开叙述。

为了更好地帮助企业进行大数据治理,笔者在 IBM 数据治理统一流程模型基础上结合在电信、金融、政府等行业进行大数据治理的经验,整理出了大数据治理统一流程参考模型。本文主要介绍了大数据治理的基本概念,以及结合图文并茂的方式讲解了大数据治理统一流程参考模型的前两步:“明确元数据管理策略”和“元数据集成体系结构”内容。

在明确了元数据管理策略后需要确定实现该管理策略所需的技术体系结构,即元数据集成体系结构。元数据集成体系结构涉及到多个概念,如元模型、元-元模型、公共仓库元模型(CWM)等,本部分将继续介绍大数据治理统一流程参考模型第二步“元数据集成体系结构”的相关内容。

了解了元数据管理策略和元数据集成体系结构之后,企业可以根据需要选择合适的业务元数据和技术元数据管理工具,并制定相应的元数据管理制度进行全面的元数据管理。本部分主要介绍大数据治理统一流程参考模型第三步“实施元数据管理”,元数据管理成熟度模型、IBM元数据管理相关工具等内容。

如果想要成功地实施大数据治理计划,需要了解信息供应链中的各个环节的数据模型、主外键关系等。本部分主要介绍大数据治理统一流程参考模型第四步“定义业务问题”、第五步“获得主管支持”、第六步“执行成熟度评估”、第七步“构建路线图”、第八步“建立组织蓝图”和第九步“了解数据”等内容。

数据治理需要全面的度量值或关键业务指标(KPI)来衡量和跟踪数据治理计划的进度,考核数据治理的效果。在大数据时代,通过建立大数据与主数据之间的映射关系可以有效地提高客户关系管理水平,提高客户满意度和忠诚度,提升销售业绩。本文主要介绍大数据治理统一流程参考模型的第十步“定义度量值”、第十一步“主数据监管”。

在大数据时代,企业更需要数据治理,只有对海量数据进行治理,使其变得可信才能帮助企业获取准确、深入的洞察力。通过使用完整、及时、准确和一致的企业单一信息视图,企业高管们可以针对不同的情况及时采取措施,为了成功实现企业信息单一视图,对其进行监管就非常重要。本文将重点介绍大数据治理统一流程参考模型的第十二步“(狭义)大数据监管”、第十三步“信息单一视图监管”。

过度的管理数据会带来成本的极大增加,需要在满足业务需求以及法律法规的前提下制定明确的保留时间表,积极采用压缩技术进行大数据的存储从而降低存储成本。此外,如何进行个人隐私保护也是是各个行业在大数据时代面临的一个巨大挑战。本文将介绍大数据治理统一流程参考模型的第十四步“运营分析监管”、第十五步“预测分析监管”、第十六步“管理安全与隐私”、第十七步“监管信息生命周期”和第十八步“度量结果”等内容。