你认为数据治理可以在哪一方面发挥作用？
回答·23
最热
最新
- 好的数据治理包含了整个数据生命周期一切的活动。 元数据管理，能提供数据的来龙去脉，可以构建数据地图，为其他治理工作提供了基础支撑。 标准数据管理，提供准确权威的事实数据开源，为数据质量和数据安全提供标准依据。 数据质量管理，以元数据为管理对象，以标准数据为核查依据，行程数据质量管理系统，为企业提供优质数据。 数据集成和交换，解决了数据的采集，清洗，转换，简称 etl。交换可以赋予各个业务系统之间数据互通的能力。 主数据管理，为各个业务需求方管理和共享，企业"最有用最有价值"数据。 数据资产管理，通过元数据提供的基础，形成了资产目录，资产标签，对数据资产了然于胸。 数据安全管理，贯穿整个数据治理生命周期过程，提供全方位的数据安全运作。 数据生命周期管理，对数据提供生命记录，存储，监控，销毁。
- 数据治理本身分狭义和广义两个区别，狭义的治理主要是组织、制度、流程这些。广义的治理包括数据质量、数据标准、数据安全、数据血缘分析、生命周期、元数据
- 数据治理是一个庞杂的项目。需要有个整体的规划，然后根据公司发展的具体要求落实到每个小的细节上，让其受众感受到数据治理之后带了工作效率提升和其它效益。可以根据公司发展的实际情况分别从：1、数据质量；2、数据口径；3、数据血缘关系；4、元数据管理；5、数据效率等方面入手。具体处理细节和技术问题，有兴趣可以继续探讨
- 数据治理=政策+组织架构+数据治理工具 1、数据质量； 2、数据标准； 3、元数据标准； 4、血缘分析，影响分析； 。。。。。。 作用： 规范企业数据元，数据质量，方便对数据的加工或者分析，更利于将数据中存在的价值进行变现。 数据潜在的价值便是黄金，规范的数据能够更容易更方便的挖掘出数据潜在的价值。 场景： ETL：数据映射加工抽取更简单，不用被各个字段的名称，大小，数据枚举值等内容而烦恼； 数据迁移：老系统迁移到新系统成本更低，更平滑； 数据管理：标准化的数据利于全公司级别的数据归类管理，数据的高层次抽象规范制定； 数据加工：标准的数据更利于数据的加工分析，而不用为多个系统标准不统一而烦恼，更利于大数据产品平台化，平台全心专注于数据报表的加工，数据潜在价值的挖掘，数据的预测分析等内容。找出数据潜在的价值，就抓住了用户行为，用户特征，规避了风险，提高了转化率等，数据开口说话，更好的等为企业管理层做出决策。
- 数据治理最重要的是元数据管理，从数据采集—数据仓库—数据仓库—bi 数据展现，数据治理围绕整个数据处理的生命周期。 简单的说就是，将贴源数据更好的转换成业务可以使用的数据资产，提高业务使用数据的效率。
- 数据现在看了都是有价值的，称为资产。所以在数仓架构里面数据治理作为一个必不可少的环节。所谓的治理就是一种规范，方便以后数据分析，减少管理数据的成本。比如字段规范，类型规范，表名命名规范，业务内容规范，数据质量校验等等。
- 给你理清企业数据资产，做好数据分级分类，定好数据标准，设计好数据模型，更是提供资产管理平台；高质量的数据发挥什么作用不是后面产品，运营，分析师的事？
- 1.数据标准化管理:制定统一的数据标准，方便数据的使用 2.数据的完整性管理:保证数据的完整性，唯一性，参照完整性 3.数据安全管理:比如对数据敏感性信息脱敏处理，比如数据备份 4.主数据管理:保证主数据的完整 5.元数据管理:包括技术元数据和业务元数据等
- 大数据的应用，人工智能
- 谁拥有了数据，谁就拥有了一切，至于怎么才能拥有数据，我有一个大胆的想法。😏