数据治理是一项系统性工程，涵盖的内容十分广泛。 在数据治理方面，业界对数据治理有一个统一的认识。美国国家标准与技术研究院（NIST）将数据治理分为四个阶段：计划、实施、监控和评估。 其中计划、实施和监控三个阶段属于数据管理的第一阶段；数据资源管理和数据资产管理属于第二阶段；信息安全管理属于第三阶段；大数据分析和智能决策，则属于第四个阶段。 在企业大数据应用实践中，我们也会遇到许多这样的问题：

1、业务数据的缺失，数据孤岛问题

在企业内部，由于企业业务系统与外部环境之间的割裂，各系统之间的数据难以共享，企业往往是“多个孤岛”。 企业业务数据分散在不同的部门、不同的系统或流程中，导致信息孤岛问题。 对于大数据应用来说，一个关键因素是解决异构平台间的数据集成和关联。 因此，可以从两方面入手： 一方面是技术手段，采用云计算、分布式存储等方式建立数据共享平台，实现全集团层面的数据统一管理。

2、数据质量不高，价值挖掘难

数据质量不高，就会导致信息挖掘的效率低、数据质量差，进而降低数据的应用价值。 而传统的手工整理和存储，也难以实现对海量原始数据按业务流程进行标准化加工处理，导致大量非结构化、模糊的数据。 这类非标准化数据会给企业带来更大的挑战，对企业进行精细化分析造成困难。 此外，传统模式下收集的信息是以静态方式存储在企业内部数据中心，当海量原始数据需要被整合到一个统一平台上时就会面临“高成本”、“低效率”等问题。

3、业务数据利用率低，分析能力不足

业务数据在收集和处理过程中，不能完全做到与业务流程的无缝对接，存在信息孤岛现象。 由于在数据收集、处理过程中存在不同程度的信息孤岛问题，业务数据的共享和整合工作需要企业加强统筹规划，以实现数据的整体共享和利用。 大数据平台通过分析挖掘和整合，可实现对海量的、有价值的数据进行深度挖掘，帮助企业快速定位问题并解决问题，以提高业务效率。 在实际建设过程中，往往存在以上情况：

4、大数据人才短缺，管理水平落后

很多企业的大数据人才严重短缺，尤其是大数据管理和分析方面的人才，这方面的人才主要来自于传统行业，如银行业、证券业和保险等行业，由于金融行业对员工要求比较高，一般都需要从 IT专业毕业或具备相应的专业知识和技能。 其次是在管理制度上缺乏规范性和前瞻性。 目前企业普遍存在着数据治理与数据质量标准不统一、数据流程不规范等问题。很多时候这些问题的出现是由于管理人员没有树立起规范的数据管理理念，或者说缺乏相应的机制保障其实施。

5、数据安全意识薄弱，应用场景单一

在大数据的应用中，大部分企业都是从应用业务的角度来看待大数据应用，将其视为是一个全新的业务模式，在企业内部缺乏数据安全管理机制保障，没有严格规范的安全制度和措施。 因此，如何提升数据安全意识，建立完善的数据安全制度与流程来保障大数据产业健康发展就成为大数据应用过程中亟待解决的问题。

更多数据治理相关资料请咨询客服获取，或者直接拨打电话：020-83342506