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。
声明:数据资源网(www.shujuzy.com)提供的所有数据、资料、素材等资源全部来源于互联网,本站不对所涉及的版权问题负法律责任,本站收费仅用于对数据资源网的信息整理费、服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。
评论(0)