大數(shù)據(jù)治理解決方案

1大數(shù)據(jù)治理體系與數(shù)據(jù)治理體系的聯(lián)系與區(qū)別大數(shù)據(jù)治理是一項系統(tǒng)工程，大到大數(shù)據(jù)技術平臺的搭建、組織的變革、政策的制定、流程的重組，小到元數(shù)據(jù)的管理、主數(shù)據(jù)的整合、各種類型大數(shù)據(jù)的個性化治理和大數(shù)據(jù)的行業(yè)應用。組織必須治理全部大數(shù)據(jù)，將大數(shù)據(jù)治理定義如下：

大數(shù)據(jù)治理是廣義數(shù)據(jù)治理計劃的一部分，即制定與大數(shù)據(jù)有關的數(shù)據(jù)優(yōu)化、隱私保護與數(shù)據(jù)變現(xiàn)的政策。將上述大數(shù)據(jù)治理的定義分解為以下部分：

1大數(shù)據(jù)是廣義數(shù)據(jù)治理計劃的一部分數(shù)據(jù)治理機構必須采取以下措施，以將大數(shù)據(jù)整合到既有的數(shù)據(jù)治理框架中：

擴展數(shù)據(jù)治理憲章的外延，將大數(shù)據(jù)治理納入其中；

拓寬數(shù)據(jù)治理委員會成員的范圍，將數(shù)據(jù)科學家等大數(shù)據(jù)的超級用戶吸納進來；

任命處理社交媒體等特定大數(shù)據(jù)的主管；

將大數(shù)據(jù)與元數(shù)據(jù)、隱私、數(shù)據(jù)質量和主數(shù)據(jù)等數(shù)據(jù)治理準則結合。大數(shù)據(jù)治理關乎政策制定政策包括人們在特定情形下如何作為的成文和非成文的宣告。譬如，大數(shù)據(jù)治理政策可能申明，未經(jīng)顧客知情并同意，組織不得將顧客的Facebook資料整合到其主數(shù)據(jù)記錄中。大數(shù)據(jù)必須優(yōu)化考慮一下組織是如何將現(xiàn)實世界的準則應用到大數(shù)據(jù)治理中的。公司設計了精致的企業(yè)資產管理計劃，對機器、飛機、交通工具和其他資產進行妥善管理。與對實物資產進行登記類似，組織必須對大數(shù)據(jù)進行如下優(yōu)化：

元數(shù)據(jù)——建立大數(shù)據(jù)類別信息；

數(shù)據(jù)質量管理——像公司對實物資產進行定期檢修一樣，定期凈化大數(shù)據(jù)；

信息生命周期管理——對大數(shù)據(jù)進行存檔，并在沒必要繼續(xù)保存某些數(shù)據(jù)時，將其刪除。大數(shù)據(jù)隱私至關重要組織同樣必須建立旨在防止大數(shù)據(jù)誤用的適當政策。組織在處理社交媒體、地理定位、生物計量學和其他形式的個人可識別信息(PII)時，必須考慮涉及的聲譽、規(guī)制和法律風險。大數(shù)據(jù)必須變現(xiàn)所謂變現(xiàn)，就是將數(shù)據(jù)等資產轉化為現(xiàn)金的過程，變現(xiàn)的方式可以是將數(shù)據(jù)賣給第三方，也可以是利用數(shù)據(jù)開發(fā)新的服務。在當下，公司意識到，必須將大數(shù)據(jù)視為具有財務價值的企業(yè)資產。例如，運營部門可以通過傳感器數(shù)據(jù)，根據(jù)定期檢修計劃，提高設備正常運行時間。呼叫中心可以分析客戶代表的記錄，通過了解顧客呼叫的原因，降低呼叫量。此外，零售商可以使用主數(shù)據(jù)激活Facebook的應用程序，提升顧客忠誠度。2.1大數(shù)據(jù)治理框架大數(shù)據(jù)治理框架由三大部分組成：大數(shù)據(jù)類型、大數(shù)據(jù)治理領域、行業(yè)與功能2產業(yè)和功能場景保險業(yè)電信業(yè)零售業(yè)公共事業(yè)醫(yī)療保健業(yè)組織元數(shù)據(jù)隱私數(shù)據(jù)質量大數(shù)據(jù)類型web和社交媒體數(shù)據(jù)機器對機器的數(shù)據(jù)生物計量學數(shù)據(jù)大體量交易數(shù)據(jù)人工生成的數(shù)據(jù)信息治理大數(shù)據(jù)治理需要高度聚焦于數(shù)據(jù)本身。傳統(tǒng)的數(shù)據(jù)治理領域同樣適用于大數(shù)據(jù)大數(shù)據(jù)分析受用例驅動，用例的具體情況因產業(yè)和功能而異?？蛻舴誌T業(yè)務流程整合情緒分析Facebook忠誠度計劃客戶流失分析索賠調查IT日志分析車載通信技術位置服務索賠欺詐分析智能儀表患者監(jiān)測索賠分析客戶流失分析通話質量保證基因測試人臉識別承保電子病歷RFI日志3.1大數(shù)據(jù)治理成熟度模型實施大數(shù)據(jù)治理的第一步，是評估大數(shù)據(jù)治理成熟度的當前狀態(tài)和期望的未來狀態(tài)?，F(xiàn)將某信息治理委員會的成熟度模型用于成熟度評估。該模型設立了4個領域的11個大數(shù)據(jù)治理成熟度指標。3支持準則數(shù)據(jù)架構數(shù)據(jù)標準審計信息日志和報告核心準則數(shù)據(jù)質量管理信息生命周期管理信息安全與隱私支持要素管理人員數(shù)據(jù)風險管理政策目標業(yè)務成果要求支持增強組織機構和認識元數(shù)據(jù)3.1.1大數(shù)據(jù)治理成熟度模型介紹及問題示例4目標目標指信息治理計劃的預期結果。目標傾向于關注降低風險與提升價值，這反過來又受降低成本和提高收入的驅動。業(yè)務成果：代表信息治理計劃的目標和目的。業(yè)務成果：A是否已經(jīng)確定了大數(shù)據(jù)治理計劃的關鍵業(yè)務關聯(lián)方？B是否對大數(shù)據(jù)治理可帶來的財務收益進行了量化？支持要素核心準則支持準則組織結構和認識：指業(yè)務部門和IT部門間的相互責任，以及對治理不同管理層次中數(shù)據(jù)的信托責任的認識。管理人員：旨在保證數(shù)據(jù)監(jiān)護，實現(xiàn)資產增值、風險消解和組織控制的質量控制準則。數(shù)據(jù)風險管理：據(jù)以識別、保留、量化、規(guī)避、接受、消解和轉嫁風險的方法論。政策：期望得到落實的組織行為的書面表達。數(shù)據(jù)結構和認識：如關鍵角色的職位說明中，是否包含大數(shù)據(jù)治理，如配備首席數(shù)據(jù)官和信息治理官？管理人員：是否已經(jīng)建立了責任分配（RACI）矩陣，以定義針對大數(shù)據(jù)關鍵屬性的角色和責任？數(shù)據(jù)風險管理：是否在大數(shù)據(jù)治理與風險治理之間建立了聯(lián)系？政策：是否已經(jīng)歸檔了一組大數(shù)據(jù)治理政策？數(shù)據(jù)質量管理：指測量、提高和保證產品數(shù)據(jù)、測試數(shù)據(jù)和歸檔數(shù)據(jù)的質量和集成性的方法。信息生命周期管理：有關信息采集、使用、保留和刪除的系統(tǒng)化的、基于策略的方法。信息安全與隱私：組織用于消解風險和保護數(shù)據(jù)資產的策略、實踐和控制手段。數(shù)據(jù)質量管理：對于與大數(shù)據(jù)相關的質量問題（數(shù)據(jù)價值不高或不顯著），是否達成了一致意見？信息生命周期管理：是否制定了流程，根據(jù)法律和業(yè)務要求合法處理不再需要的大數(shù)據(jù)？信息安全和隱私：首席信息安全官是否是大數(shù)據(jù)治理計劃的關鍵支持者？數(shù)據(jù)架構：結構化和非結構化數(shù)據(jù)系統(tǒng)及應用的架構式設計，用于實現(xiàn)數(shù)據(jù)的可用性，并將數(shù)據(jù)分配給合適的用戶。元數(shù)據(jù)：指用于創(chuàng)建常見的語義定義、IT術語、數(shù)據(jù)模型和數(shù)據(jù)庫的方法和工具。審計信息日志和報告：指監(jiān)測和測量數(shù)據(jù)價值、風險和信息治理有效性的組織流程。數(shù)據(jù)架構：Hadoop、NoSQL以及與當前架構相關的其他新興大數(shù)據(jù)技術的共存戰(zhàn)略是怎樣的？分類和元數(shù)據(jù)：業(yè)務詞庫是否包含與大數(shù)據(jù)相關的關鍵業(yè)務術語（如針對點擊流數(shù)據(jù)的“獨立訪客”）？審計信息日志和報告：企業(yè)如何檢測特權用戶對醫(yī)保索賠和通話詳單等敏感大數(shù)據(jù)的訪問？問題示例模型介紹案例5.2某大型金融機構資金管理部的大數(shù)據(jù)治理路線圖5創(chuàng)建Hadoop基礎設施大數(shù)據(jù)治理的演進關鍵活動每日頭寸快照社交媒體和非結構化內容治理大數(shù)據(jù)某大型金融機構的資金管理部，為大中型企業(yè)提供現(xiàn)金管理和流動性管理的綜合服務。該部門處于部署大數(shù)據(jù)計劃的早期階段，其最初的大數(shù)據(jù)治理路線圖如右圖所示：第1-6個月構建技術基礎設施，獲得Linux服務器和ApacheHadoop發(fā)行版。由于大數(shù)據(jù)是一個新事物，在切入業(yè)務前，必須設計一個可行的用例，并進行財務可行性論證。此外，組織要認真審視數(shù)據(jù)管理的傳統(tǒng)方面：怎樣將數(shù)據(jù)導入并導出Hadoop?Hadoop中的數(shù)據(jù)質量如何？大數(shù)據(jù)的元數(shù)據(jù)是怎樣的？如何將大數(shù)據(jù)整合到未來12個月將要部署的主數(shù)據(jù)管理數(shù)據(jù)庫中？大數(shù)據(jù)已經(jīng)成為主流媒體的熱門詞匯，高管層至少很有可能同意支持一個大數(shù)據(jù)試點項目。因此，數(shù)據(jù)治理團隊需要及時更新路線圖，將與大數(shù)據(jù)有關的人員、流程和技術計劃納入其中。第6-12個月引入詳細的交易記錄，以分析每日頭寸快照。受傳統(tǒng)基礎設施成本高昂的影響，以往的金融機構從未進行這樣細致入微的分析。第12-24個月將社交媒體數(shù)據(jù)和其他非結構化內容引入Hadoop環(huán)境。由于金融機構的大多數(shù)客戶是大企業(yè)，對交易對手的10-K和10-Q歸檔等非結構化內容，進行探索性分析。第24-36個月資金管理部已經(jīng)有了現(xiàn)成的聚焦于大企業(yè)客戶的主數(shù)據(jù)的信息治理計劃。大數(shù)據(jù)處理框架的組成6大數(shù)據(jù)治理需要高度聚焦于數(shù)據(jù)本身。我們將大數(shù)據(jù)分為五種：web和社交媒體數(shù)據(jù)、機器對機器的數(shù)據(jù)、大體量交易數(shù)據(jù)、生物計量學數(shù)據(jù)和人工生成的數(shù)據(jù)。大數(shù)據(jù)類型信息治理準則產業(yè)與功能傳統(tǒng)的信息治理準則，同樣適用于大數(shù)據(jù)，相關準則包括組織、元數(shù)據(jù)、隱私、數(shù)據(jù)質量、業(yè)務流程整合、主數(shù)據(jù)整合和信息生命周期管理。大數(shù)據(jù)分析是受例驅動的，用例的具體情況因產能和功能而異。限于篇幅，我們只列出了部分的產業(yè)和功能。大數(shù)據(jù)的類型大數(shù)據(jù)大體可分為五種類型7Web和社交媒體數(shù)據(jù)二的點擊流數(shù)據(jù)TwitterFeedsFacebook帖子網(wǎng)絡內容Web和社交媒體數(shù)據(jù)二的點擊流數(shù)據(jù)TwitterFeedsFacebook帖子網(wǎng)絡內容機器對機器的數(shù)據(jù)二的公用事業(yè)智能儀表讀數(shù)RFID讀數(shù)石油鉆探設備傳感器讀數(shù)網(wǎng)絡內容Web和社交媒體數(shù)據(jù)二的點擊流數(shù)據(jù)TwitterFeedsFacebook帖子網(wǎng)絡內容Web和社交媒體數(shù)據(jù)二的點擊流數(shù)據(jù)TwitterFeedsFacebook帖子網(wǎng)絡內容類型6.1職責分配（RACI）所代表的內涵8應負責方（Responsible）指授權管理某屬性的人。（一種屬性可有多個負責人）最終負責方（Accountable）指數(shù)據(jù)屬性承擔最終責任的人。咨詢方（Consulted）指通過雙向溝通接受咨詢的某人或某些人。被告知方（Informed）指通過單向溝通被告知的某人或某些人。7大數(shù)據(jù)治理計劃需要實施的最佳實踐91324創(chuàng)建一個體現(xiàn)關鍵大數(shù)據(jù)術語的業(yè)務定義的詞庫。理解對ApacheHadoop中元數(shù)據(jù)的持續(xù)支持。對業(yè)務詞庫中的敏感大數(shù)據(jù)進行標記。從相關的大數(shù)據(jù)存儲中輸入技術元數(shù)據(jù)。將相關的數(shù)據(jù)元與業(yè)務詞庫中的術語進行鏈接。5768使用運營元數(shù)據(jù)監(jiān)測大數(shù)據(jù)的流動。保留技術元數(shù)據(jù)，以支持數(shù)據(jù)血統(tǒng)和影響分析。從非結構化文件中采集元數(shù)據(jù)，支持企業(yè)搜索。擴展既有的元數(shù)據(jù)角色，將大數(shù)據(jù)納入其中。9元數(shù)據(jù)是描述數(shù)據(jù)產品特征的任何信息，如名字、位置、可感知的、重要性、質量、對企業(yè)的價值，以及與企業(yè)認為值得管理的其他數(shù)據(jù)產品的關系等。元數(shù)據(jù)決定信息架構的如何滿足業(yè)務需求，因此元數(shù)據(jù)是信息治理計劃的關鍵。7.1業(yè)務詞庫10業(yè)務詞庫業(yè)務詞庫是企業(yè)用于傳達其對信息的認識的語言。創(chuàng)建并維護該層業(yè)務元數(shù)據(jù)，對表達要求的含義和描述IT系統(tǒng)可用的信息至關重要。業(yè)務詞庫保證了信息開發(fā)的準確性和速度。術語代表著企業(yè)和業(yè)務層面對信息的理解，所以許多組織傾向于自下而上創(chuàng)建數(shù)據(jù)詞典，對已有的信息進行歸類。在處理大數(shù)據(jù)時，業(yè)務驅動的數(shù)據(jù)定義和數(shù)據(jù)目錄之間的區(qū)別尤為重要業(yè)務詞庫保證了信息開發(fā)的準確性和速度。在處理大數(shù)據(jù)時，業(yè)務驅動的數(shù)據(jù)定義和數(shù)據(jù)目錄之間的區(qū)別尤為重要。7.3對業(yè)務詞庫中的敏感數(shù)據(jù)11對敏感的大數(shù)據(jù)進行分類發(fā)現(xiàn)敏感數(shù)據(jù)對業(yè)務詞庫中的敏感數(shù)據(jù)進行標記執(zhí)行大數(shù)據(jù)隱私政策進行分類大數(shù)據(jù)治理計劃需要對社會保險號碼等敏感數(shù)據(jù)進行分類。分類應來自業(yè)務詞庫模型并被傳承到不同數(shù)據(jù)庫中數(shù)據(jù)的所有物理實例中。敏感的大數(shù)據(jù)可能隱藏在非結構化文本中。大數(shù)據(jù)治理計劃應考慮數(shù)據(jù)分析工具的利用，以便自動發(fā)現(xiàn)非結構化字段的敏感數(shù)據(jù)。首席信息安全官制定有關敏感數(shù)據(jù)的政策。只有在識別到敏感數(shù)據(jù)的位置時，組織才能執(zhí)行政策，因此，在業(yè)務詞庫中標記敏感數(shù)據(jù)就非常關鍵。大數(shù)據(jù)治理團隊可以通過使用數(shù)據(jù)分析工具發(fā)現(xiàn)敏感的大數(shù)據(jù)，以監(jiān)督對政策的遵從度。從相關的大數(shù)據(jù)存儲中輸入技術元數(shù)據(jù)12在創(chuàng)建業(yè)務詞庫后大數(shù)據(jù)治理團隊需要從大數(shù)據(jù)源中采集合用的、相關的元數(shù)據(jù)。大數(shù)據(jù)源Hadoop文件商業(yè)智能報告應用數(shù)據(jù)庫數(shù)據(jù)模型準結構化非結構化數(shù)據(jù)結構化信息管理經(jīng)銷商元數(shù)據(jù)中央存儲庫橋接器連接器7元數(shù)據(jù)13元數(shù)據(jù)創(chuàng)建一個體現(xiàn)關鍵大數(shù)據(jù)術語的業(yè)務定義的詞庫理解對ApacheHadoop中元數(shù)據(jù)的持續(xù)支持對業(yè)務詞庫中的敏感大數(shù)據(jù)進行標記從相關的大數(shù)據(jù)存儲中輸入技術元數(shù)據(jù)將相關的數(shù)據(jù)元與業(yè)務詞庫的術語進行鏈接使用運營元數(shù)據(jù)監(jiān)測大數(shù)據(jù)的流動保留技術元數(shù)據(jù)，以支持數(shù)據(jù)血統(tǒng)和影響分析從非結構化文件中采集元數(shù)據(jù)，支持企業(yè)搜索創(chuàng)建非結構化數(shù)據(jù)的索引，也是元數(shù)據(jù)的一種形式，許多企業(yè)的搜索供應商已開發(fā)相應工具。14保險業(yè)通過向呼叫人員提供客服關懷、告警、保單和客戶信息文件等多個文件庫的可搜索訪問，可將平均處理時間減少三秒，年節(jié)約數(shù)百萬美元。通過提供對EMCDocumentum、文件系統(tǒng)、微軟Share-Point、內網(wǎng)和外部數(shù)據(jù)庫中客戶、患者和研究數(shù)據(jù)的快速訪問，加快科研進程。讓臨床醫(yī)生可訪問來自醫(yī)學刊物和其他文件庫的最新研究成果。制藥業(yè)醫(yī)療保險業(yè)7.9拓展既有的元數(shù)據(jù)角色，將大數(shù)據(jù)納入其中信息治理團隊可能安排許多與原數(shù)據(jù)相關的角色。組織需考慮這些角色進行拓展，以將大數(shù)據(jù)治理納入進來。15業(yè)務詞庫管理者數(shù)據(jù)科學家元數(shù)據(jù)管理者數(shù)據(jù)血統(tǒng)管理者數(shù)據(jù)主管數(shù)據(jù)架構師本角色負責保管應將大數(shù)據(jù)術語包含在內的業(yè)務詞庫。本角色負責在相關數(shù)據(jù)源識別和輸入技術元數(shù)據(jù)。數(shù)據(jù)血統(tǒng)管理者與數(shù)據(jù)管理者配合，確保數(shù)據(jù)血統(tǒng)分析中數(shù)據(jù)源之間的數(shù)據(jù)流可得到準確地反映。本角色參與大數(shù)據(jù)特別是關鍵業(yè)務術語定義的管理。本角色監(jiān)督元數(shù)據(jù)模型的創(chuàng)建及其與企業(yè)數(shù)據(jù)模型的連接。本角色縮短了大數(shù)據(jù)原始卷和使其有用的業(yè)務洞察間的距離，其通過創(chuàng)造力和想象力創(chuàng)建原型，以揭開大數(shù)據(jù)中的秘密。9大數(shù)據(jù)質量16維度傳統(tǒng)數(shù)據(jù)的質量大數(shù)據(jù)的質量處理頻率處理是面向批量的處理是實時的或面向批量的數(shù)據(jù)多樣性數(shù)據(jù)格式大部分是結構化的數(shù)據(jù)格式可能是結構化的、準結構化的或非結構化的置信度數(shù)據(jù)需處于原始階段，以方便數(shù)據(jù)倉庫的分析糟糕的數(shù)據(jù)質量可能會阻礙分析工具獲得業(yè)務洞察數(shù)據(jù)進化的時間選擇在下載到數(shù)據(jù)倉庫前數(shù)據(jù)需要進化數(shù)據(jù)的體量和速度可能要求采取流式的、內存中的分析來進化數(shù)據(jù)、從而降低存儲要求關鍵數(shù)據(jù)元素評估客戶地址等關鍵數(shù)據(jù)元素的數(shù)據(jù)質量數(shù)據(jù)可能被模糊定義或錯誤定義，關鍵數(shù)據(jù)元素可能會反復變化分析位置數(shù)據(jù)遷移到數(shù)據(jù)質量和分析引擎數(shù)據(jù)質量和分析引擎可進入數(shù)據(jù)中，以保證可接受的處理速度管理工作數(shù)據(jù)主管可管理大部分數(shù)據(jù)由于體量大和速度快，數(shù)據(jù)主管只能管理相對更小的數(shù)據(jù)數(shù)據(jù)質量管理是測度、提高、驗證質量以及整合組織數(shù)據(jù)的方法等一套行為準則。體量極大、速度極快和多樣的特點，決定了大數(shù)據(jù)質量所需的處理有別于傳統(tǒng)信息治理計劃的質量管理。大數(shù)據(jù)治理計劃必須采取的實踐179.1與商業(yè)上的利益攸關者協(xié)作，建立并測度大數(shù)據(jù)質量的置信區(qū)間9.2利用準結構化和非結構化數(shù)據(jù)，提高人口稀疏的結構化數(shù)據(jù)的質量9.3使用流數(shù)據(jù)分析技術解決內存中的數(shù)據(jù)質量問題，無需將中間結果輸入硬盤9.4任命對信息治理委員會負責的主管，由其負責提高10業(yè)務流程整合

1810.1識別將會受到大數(shù)據(jù)治理影響的關鍵流程10.2建立關鍵合同的流程圖10.3針對業(yè)務流程中的關鍵步驟，制定大數(shù)據(jù)治理政策1.大數(shù)據(jù)源圖21.1大數(shù)據(jù)技術參考架構19Web和社交媒體數(shù)據(jù)機器對機器的數(shù)據(jù)大體量交易數(shù)據(jù)生物計量學數(shù)據(jù)人工生成的數(shù)據(jù)15.大數(shù)據(jù)安全和隱私16.大數(shù)據(jù)生命周期管理17.云2.開源的基礎組件HDFSMapReduceHadoopCommonHBaseOthers5.數(shù)據(jù)庫NoSQLIn-MemoryRelationalLegacy6.大數(shù)據(jù)整合批量遷移復制虛擬化7.文本分析8.大數(shù)據(jù)發(fā)現(xiàn)9.大數(shù)據(jù)質量10.元數(shù)據(jù)11.信息政策管理12.主數(shù)據(jù)管理13.數(shù)據(jù)倉庫和數(shù)據(jù)集市14.大數(shù)據(jù)分析和報告3.Hadoop發(fā)行版4.流媒體分析18.大數(shù)據(jù)標準8.大數(shù)據(jù)發(fā)現(xiàn)9.大數(shù)據(jù)質量微軟的大數(shù)據(jù)平臺201.微軟Hadoop發(fā)行版6.WindowsAzureExcel5.大數(shù)據(jù)分析與報告SQLServerAnalysisServicesSQLServerParallelEditionSQLServerReportingServi