3分钟get数据治理与数据管理的异同

数据治理＆数据管理

随着数据3.0时代的到来，数据量飞速激增，数据治理和数据管理逐渐成为高频热词。但是对于这两个概念，准确定义是什么，二者又有什么区别，许多用户可能对此还不甚清晰。通过本文，您可以快速地get到数据治理与数据管理的区别与联系，以此来更好地应对企业数据问题。

数据治理是对数据端到端生命周期内（收集、存储、使用、保护、归档和删除）的组织结构、数据拥有者、政策、规则、过程、业务术语和度量标准等做出定义。数据管理则是数据治理的技术实现，而企业数据治理则为各种政策及过程的执行和实施赋能。

以建筑行业为例，数据治理是建筑的蓝图，能够提高整体建造活动的效率和效能。而数据管理则是建筑的实体结构，为蓝图（数据治理）的落地执行提供保障。那么，相互作用的二者又有着哪些具体的要素与功能呢？

▼

什么是数据治理？

数据治理对企业发展起到了引领作用

作为“蓝图”的数据治理，又具备哪些要素呢？

● 人：数据治理的关键。这是因为人负责创建和处理数据，并最终受益于经过妥善治理的数据。这方面的例子包括：业务领域的问题专家，他们能够为机构定义标准化的业务术语，并针对不同的业务过程定义所需的质量标准等级和类型。从而让负责不同业务的管理人员采取相应的数据治理措施。

● 政策和规则：政策定义的是做什么，规则定义的是如何去做。机构针对不同的过程和流程采用了广泛的政策和规则；常见的类别包括许可、质量、留存和安全。例如，制定一项政策，规定使用个人信息之前必须先取得数据处理的许可。其中一项规则可以规定采集个人数据时必须选择的许可选项（如：广告宣传、市场推广或第三方共享），另一项规则可以规定向客户发送促销信息前必须先征得客户的同意。

● 度量标准：可以被度量的事物就可以被管理。常见的技术度量标准包括：在某项应用中被重复记录的数字、数据的准确性和完整性、被加密或脱敏的个人数据要素的数量等等。这些类型的度量标准有助于数据的技术管理，且利于对数据度量标准怎样影响业务成效指标做出规定。

例如，应收账款周转天数（DSO）是财务分析人员和贷款人员经常使用的一项用于公司财务状况分析的业务度量标准。如果客户的地址数据不完整或不准确，就会延长账单周期并随之增加应收账款周转天数。分析人员和贷款人员便可根据一个公司的应收账款周转天数与行业平均标准进行比较，从而做出更为准确的判断。

▼

什么是数据管理？

作为数据治理的“技术实现”

数据管理又有哪几大核心功能呢？

● 清洗和标准化：有助于数据质量政策的实施。画像工具能够帮助你将数据与已设定的数据质量标准进行有效性、准确性和完整性等比较。让你可以对无效值、拼写错误和遗漏值等问题进行修复。还可以将清洗规则嵌入数据输入过程中，让你在输入点就开始实施数据质量控制。画像工具能够帮助你识别数据源之间的相似性、差异性和关系，帮你移除那些重复的记录，并跨越不同数据源实现数据的一致性处理。还可以利用外部数据来丰富内部数据，例如邓白氏（DUNS）编码、人口统计数据和地理数据等。且如果企业创建了集中式的数据中心，将可以跨越不同数据源对主数据的语义一致性进行更好的维护。

● 脱敏和加密：能够帮助你实施隐私和保护政策。数据发现及分类工具和技术能够帮助你识别出敏感数据和个人数据，并基于内部需求和外部法规【例如：通用数据保护条例（GDPR）、加州消费者隐私法案（CCPA）和巴西通用数据保护法（LGPD）】，将相应数据加上“需要保护”的标签。这些标签后续可用于实施适当的保护控制措施。例如，根据分类和访问政策，某些用户可被授权访问原始数据，而当其他用户查询相应数据时，数据则需要进行动态脱敏处理。数据流建模可以加快机构内部和外部的数据采集、处理、存储和分发过程。接下来，你就可以基于分类和隐私政策决定采用何种适当的保护控制措施。例如，对于发生在防火墙内部的访问活动，数据脱敏可能比较适用，使数据在分享给机构外部的第三方之前，能够更加及时地对数据进行加密处理。

● 归档和删除：能够帮助你实施数据留存政策。当日常运营活动不再需要某些数据后，数据就会被归档，但这些数据仍然需要符合相关法规的要求，比如，税务报告或长期存储的要求。数据归档工具还要对数据应被存留多长时间进行跟踪，对数据进行索引，以方便数据检索需要，并实施适当的访问和数据脱敏/加密控制。在指定的数据存留期满后，数据将会被永久删除。尽管这看起来非常简单，但实际上，在行业法规【例如：BCBS 239（巴塞尔银行监管委员会239号条例）与综合资本分析和审查（CCAR）】的数据存留要求与政府及地区法规【（例如：通用数据保护条例（GDPR）、加州消费者隐私法案（CCPA）】的数据清除要求之间达成平衡是一项复杂的任务。

▼

数据治理和数据管理：构建坚实的数据基础

尽管数据治理和数据管理是不同的任务，但它们却有着一致的目标，而这个目标也是Informatica一直以来所贯彻且期望的：构建一个坚实、可靠的数据基础，让企业在数字化未来创造更多可能！