【導讀】大數據時代，企業急需建立以用戶為中心的自服務大數據治理，信息梳理、數據管控、連接用戶、智能化是實現自服務大數據治理的四個主要階段，掌握一系列關鍵技術和技術原則，是實現自服務大數據治理的重要基礎。

本文目錄：
一、大數據時代還需要數據治理嗎？
二、如何面向用戶開展大數據治理？
三、面向用戶的自服務大數據治理架構
四、總結

一、大數據時代還需要數據治理嗎？

　　數據平臺發展過程中隨處可見的數據問題

　　大數據不是憑空而來，1981年第一個數據倉庫誕生，到現在已經有了近40年的歷史，相對數據倉庫來說我還是個年輕人。而國內企業數據平臺的建設大概從90年代末就開始了，從第一代架構出現到現在已經經歷了近20年的時間。

　　在這20年的時間里，國內數據平臺實施者可以說是受盡折磨，數據項目一直不受待見，是出了名的臟活累活。

　　可以說，忽視數據治理給數據平臺建設帶來了不少問題。隨處可見的數據不統一，難以提升的數據質量，難以完成的數據模型梳理等源源不斷的基礎性數據問題，限制了數據平臺發展，導致數據應用不能在商業上快速展示效果。

　　舉一個典型商業智能應用的例子，管理駕駛艙可能很多朋友都聽說過，很多企業建設了管理駕駛艙，但是建設完之后往往成為擺設，只有當領導需要看的時候，大家才去拼命改數據。

　　為什么數據平臺的建設遇到這么多“坎”，而且難以真正發揮其商業價值？其實核心問題還是數據本身不統一，數據內容準確度不高。

數據治理逐漸受到各行業認識

　　我國最早意識到數據治理重要性的行業銀行是金融行業。由于對數據的強依賴，金融業一直非常重視數據平臺的建設，經過幾代數據平臺的驗證，發現數據治理是平臺建設的主要限制因素，而且隨著投資和建設的投入增加，對數據治理的重要性的認識也越來越深刻。

　　人民銀行與銀監會也非常重視數據治理，從08年開始，在全國銀行業推行統一的數據標準，控制行業的數據質量。工行、建行、國開等大型銀行，對數據治理都非常重視。08年前，我們與國開一起開始了數據治理的建設，下圖展示的就是國開銀行針對數據全生命周期的數據管控。

　　如今各行業都開始了大數據平臺的建設，希望利用大數據的能力，來實現數字化轉型。大數據平臺的建設本質上還是數據的建設，傳統數據平臺碰到的所有問題大數據平臺都有可能碰到，由于數據量級的變化，大數據平臺必然還會產生新的問題。