随着大数据技术在众多领域的广泛应用，大量数据源需要接入大数据平台，多种数据处理引擎和开发语言被各类技术/非技术人员人员使用，复杂业务催生了规模庞大、逻辑复杂的工作流程，数据成为业务的生命线需要重点保护，数据作为业务的原动力需要更加方便快捷的被分析和应用。
一、大数据数据治理的定义
大数据治是广义信息化治理计划的一部分，即制定与大数据有关的管理优化、数据保护、数据变现的政策。
二、大数据治理面临的问题
1、隐私
企业需要严格关注遵守隐私方面的问题，例如利用社交媒体进行数据分析。
2、元数据
大数据治理需要创建可靠的元数据，避免出现窘境，例如，一家企业重复购买了相同的数据集两次，而原因仅仅是该数据集在两个不同的存储库内使用了不同的名称。
3、管理人员
企业需要招募大数据管理员，这些管理员需要避免组织因不一致的命名规范而付款购买已经拥有的外部数据。除此之外，社交媒体管理员需要与法律顾问和高级管理人员配合工作，制定有关可接受的信息使用方法的策略。
4、数据质量
考虑到大数据的庞大数量和超快速度，组织需要确定哪种级别的数据质量属于 “足够好” 的质量。
三、大数据治理的商业价值
企业只有建立了完整的大数据治理体系，保证数据的质量，才能够真正有效地挖掘企业内部的数据价值，对外提高竞争力。
第一时间，高质量数据与企业内部数据精细化管理是企业业务创新、管理决策、企业召开业务创新和管理决策的基础，能够为企业创造巨大效益。
其次，标准化的数据是优化商业模式、指导生产经营的前提。顺利获得数据标准化可以防止数据的混乱使用，确保数据的正确性及质量，并可以优化商业模式，指导企业生产经营工作。
最后，多角度、全方位的数据是企业召开市场营销、争夺客户资源的关键。数据已成为企业最核心的隐形财富，谁掌握了准确的数据谁就能取得先机，在当前竞争日益激烈的市场上，企业如何在不同的细分市场构建客户画像、召开精准营销，如何选择竞争策略、进行经营管理决策，都必须基于360度全方位、准确的客户数据加以分析判断才能得出。
四、大数据治理范围
1、元数据管理
用于打通了源数据、数据仓库、数据应用，记录了数据从产生到消费的全过程。元数据主要记录数据仓库中模型的定义、各层级间的映射关系、监控数据仓库的数据状态及 ETL 的任务运行状态。
2、主数据管理
即数据本身的管理，对于数据本身，基于数据仓库，我们做了数据的分层、数据域的划分、基于维度建模的架构、命名规范、对需要共享的数据建立统一视图和集中管理等。
3、数据质量管理
数据质量管理，包含五个部分，数据的唯一性、完整性、准确性、一致性、有效性。数据质量管理，就是顺利获得特定的规则对数据的五个方面进行测试，检查，监控和告警。
4、数据标准管理
数据标准建设给予全面完整的数据标准管理流程及办法，用于决定和建立单一、准确、权威的事实来源，实现大数据平台数据的完整性、有效性、一致性、规范性、开放性和共享性管理，并为数据质量检查、数据安全管理给予标准依据。
5、数据计算管理
对大数据集群每天存储资源、计算资源消耗等进行管理、监控、优化。如何降低计算资源的消耗，提高任务执行的性能，提升任务产出的时间。
6、数据安全管理
数据安全管理贯穿于数据治理全过程，给予对隐私数据的加密、脱敏、模糊化处理、数据库授权监控等多种数据安全管理措施，全方位保障数据的安全运作。
7、数据存储管理
在大数据时代，对于数据爆炸式的增长，存储管理也将面临着一系列挑战。如何有效地降低存储资源的消耗，节省存储成本，也是数据治理的一个目标。对于数据存储，现在业界的一些主要的处理方式，包括数据压缩、数据重分布、数据垃圾检测和清理、数据生命周期管理等。
五、数据治理工具
数据治理在如今的大数据平台的建设中日益重要，实行数据治理往往是困难重重，选择优秀的工具能为你提高效率，提升数据的准确性，这往往会让你事半功倍。
Ebpay结合十几年大数据技术经验，打造了一套完善、通用的的数据治理工具睿治数据治理平台，包括数据集成、数据交换、实时数据计算、主数据、数据标准、数据质量、数据集成、元数据、数据交换、数据资产、数据生命周期和数据安全十大功能模块，去帮助企业规范的定义与加工数据、清晰的管理数据、安全的应用数据。
