阿里巴巴在数据治理方面的实践和经验-吴永明高级技术专家

首先介绍了数据治理的概念和需求层次，包括数据治理的理论参考和数据治理的内涵逐步泛化是业界共识。

然后探讨了企业数据治理的痛点和阿里巴巴数据治理的挑战，包括数据治理成效进展缓慢、缺少系统化的工具平台支撑、自动化服务程度不高等问题。接着介绍了阿里巴巴数据治理的发展实施阶段，包括特定阶段专注解决主要矛盾、智能监控核心功能等。

最后分享了阿里巴巴在数据稳定性、数据质量、数据规范、数据安全和数据成本等方面的治理实践和成功关键，并强调了自下而上和自上而下相结合的数据治理方法论。

阿里巴巴数据治理实践的具体措施包括： 1. 数据标准管理：制定码表、元素、模型分层、数据模型等设计规则及字段内容质量约束，保证逻辑数据模型设计的一致性； 2. 物理模型数据规范：标准编码规范、中英文缩写规范等； 3. 逻辑模型数据规范：制定各类数据实体（元素、码表、模型分层、模型等）的设计约束，规范每类业务实体包含的属性、该属性是否必选、该属性内容约束等规则； 4. 数据安全治理：制定分类分级规范，数据自动打标打标人工调整更合理管理和使用判断依据，字段名字段描述字段值匹配规则关键字匹配正则表达算法模型（阿里：根据分级差异化审批流），数据分类分级与权限控制，敏感数据发现与脱敏，可信计算环境数据风险审计。