数据治理分析是将庞大数据量进行过滤整合，让用户可以跟进数据实时情况，方便用户更准确快速地对数据业务进行合理分析、判断，实现利用数据驱动业务，达到企业增值的目的。基于大数据技术研发的数据分析平台系统，通过从多个业务系统到ODS中间库、ODS中间库到数仓模型的加工过滤，再将模型绑定组件实现数据的可视化展现，可以使用户更加形象的对不同业务的数据进行观察分析。

既然是数据治理分析，那么在“分析”之前先要对数据进行“治理”。我们通常需要先将数据标准化，利用标准化后的数据进行数据分析，数据标准化也就是统计数据的指数化，数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。随着人们研究领域的不断扩大，所面临的评价对象日趋复杂，如果仅依据单一指标对事物进行评价往往不尽合理，所以需要多指标信息处理数据才能得到用户想要的更为准确更有用的业务数据。

数通畅联专注于企业IT架构、SOA综合集成、数据治理分析领域，感谢您的阅读与关注。

在我们的生活和工作当中，数据无处不在。对企业来讲，有很多数据是无关企业重大利益的数据，是没有治理的必要的。数据治理的对象必须是重要的数据资源，是关乎企业重大商业利益的数据资源，这样的数据资源可以称其为“数据资产”。正如北大教授王汉生先生所说：数据治理不是对“数据”的治理，而是对“数据资产”的治理，是对数据资产所有相关方利益的协调与规范。

我们需要分开来理解这句话：

①什么是数据资产？

②数据资产的相关利益方是谁？

③协调与规范什么？

首先元年科技为你讲解下什么是数据治理？其实数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行）。是将数据作为组织资产而展开的一系列的具体化工作,是对数据进行的全生命周期管理，目标是提高数据的质量 （准确性和完整性），保证数据的安全性 （保密性、 完整性及可用性），实现数据资源在各组织机构部门的共享；推进信息资源的整合、对接和共享，从而提升集团公司或政务单位信息化水平，充分发挥信息化作用。

但是在数据资产的管理和应用中经常遇到数据标准的问题：

数据标准问题现状：

1）业务数据没有统一的编码，无法快速找到对应的数据

2）不同业务、不同系统，对科目、产品等数据的分类结构不一样

一、数据治理是通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行，该模型描述了谁能根据什么信息，在什么时间和情况下，用什么方法，采取什么行动。

数据治理的最终目标是提升数据的价值，数据治理非常必要，是企事业单位实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。

二、进行数据标准化有助于国家大数据与人工智能战略的实施，目前业界数据孤岛严重、数据管理分散现象比较突出，此举有助于各行业数据的互联互通以及各单位优化运营和促进数据创新。可以为大数据与人工智能领域和各行各业的数字化进程打好地基。

最近几年，数据治理与交换非常受欢迎，因为2015年数字化校园的共享其实只为了满足基本的业务共享与门户展示，对数据要求更高与共享范围更广的智慧化校园建设、大数据应用建设无法支撑。数据标准化是预处理步骤，将数据标准化到一个特定的范围能够在反向传播中保证更好的收敛。三盟科技数据治理与交换平台，首先进行数据标准化（可使用机器化治理机器），然后依托信息资源目录进行共享，就可以实现全量数据标准化与共享、智能数据标准匹配、一站式数据管理、严密的数据隐私管理、多样的数据价值呈现。

数据治理是为了实现全量数据标准化与共享。

相较于传统校园的数据共享平台，三盟科技数据治理与共享平台在支持中心库数据共享的基础之上增加对源业务数据的标准化共享支持，解决传统方案标准化与共享覆盖不全的问题，真正实现全量数据标准化与共享。三盟科技利用先进的数据项标准管理技术，对教育部行标进行数据项级别拆散，并根据学校现有数据情况重新构建校本数据项标准，能对每一个源系统数据进行标准化映射，并注册到信息资源目录，实现全量数据标准化与共享。

只有做好数据治理，让数据更加准确完整，并且安全合规，才能释放出数据的无限潜能，挖掘出更多有价值的数据应用，为高校管理创造价值。

目前很多公司提出他们是以数据项为单位做数据治理，但只是提出数据项治理概念，虽然建立了数据项信息查询平台，但是数据项与真实数据的映射、资源修改时候的联动、检测规则的绑定等数据项体系功能没有建立，将标准无法落地到实际数据中。三盟科技AIoD数据治理与交换平台，采用了先进的分布式技术与人工智能技术，并融入成熟的数据项标准治理体系，建立学校全量数据中心。同时帮助学校建立部门间的信息资源目录，打通数据孤岛，提供常态化数据质量监控服务和校园数据典型应用。