导读：本文整理内容来自一篇关于数据治理体系相对比较完整内容文章，体系化的范围介绍主要包括了介绍元数据、数据标准、数据建模、数据集成、数据质量、数据开发、数据安全、ETL。可以作为数据治理建设参考。
01 数据治理体系
02 元数据
2.1、元数据解决的问题
有什么数据 - 数据是什么 - 来自何处 - 如何流转 - 谁可以访问
其本质也是一种数据，，开展元数据管理工作是开展数据资产管理的基础。
2.2、元数据分类
业务元数据：描述数据系统中业务领域相关概念、关系和规则的数据；包括业务术语、信息分类、指标、统计口径等。（从业务角度描述的）
技术元数据：描述数据系统中技术领域相关的概念、关系和规则的数据；包括数据平台内对象和数据结构的定义、源数据到目的数据的映射、数据转换加工过程的描述等。
管理元数据：描述数据系统中管理领域相关概念、关系、规则的数据；主要包括人员角色、岗位职责、管理流程等信息。
2.3、元数据模型成熟度
1、第一阶段：需要手动管理元数据，即在数据治理流程外需要额外增加的步骤。
2、第二阶段：在数据探查阶段自动生成元数据。
3、第三阶段：自动构建数据流转元数据。
2.4、元数据建设目标和管理手段
2.5元数据管理
元数据管理方法：
元数据管理能力：
03 数据标准
3.1、常见的数据标准包含基础数据标准和指标数据标准。
主要构成：业务定义+管理信息+技术属性
数据标准包含内容包括：主题&分类+标注属性+标准代码
3.2 、数据标准类型（举例）
不同行业的标准不同，这里仅是举例说明。
如：性别、身份证、金额、手机号码、行业、级别的分级分类的代码等
3.3、数据标准管理体系涉及思路
数据标准来源于业务，服务于业务。
依据已有标准进行建设
基础类数据标准：业务化视角
指标类数据标准：从管理角度出发
数据标准的制定是一个以业务管理为主导、外部要求为依据、企业现状为基础的兼容过程。
3.4、数据标准架构体系
通过统一标准和架构规范，统一指标、统一术语、统一模型、统一信息项，解决数据口径解释不清晰、业务和数据理解不一致等问题，实现数据在架构层面的统一
但并非所有基础类数据都要建立标准，纳入标准的数据项需要满足共享性、重要性和可行性的准入原则。
3.5、管理类数据标准建设原则
定义：分析类数据标准的业务含义和所适用的业务场景保持一致。
口径：分析类数据标准的业务取值范围、计算方法和编码规则等业务规则保持一直。
名称：分析类数据标准中文名称和英文名称均采用统一命名规则，表示相同业务含义的信息项名称应保持一直。
参照：各分析类数据标准项标准化时参考的外部标准（包括国际标准、国家标准和行业标准），内部业务制度和业务规范应保持一致。
来源：每个分析类数据标准都应有权威的来源系统；其他系统使用该信息时应直接取用权威系统结果，以保持一致。
以下为某企业数据标准体系框架示例，分为基础类数据标准和管理类数据标准
3.6、数据标准生命周期管理
04 数据建模
4.1、概念
企业级数据模型建设方法：从全局入手，涉及标准化数据模型，构建统一的数据模型管控体系，丰富和完善数据实体相关属性信息，梳理数据实体之间的逻辑关系，最终形成不同主题域数据模型。
4.2、数据模型分类
4.3、数据模型生命周期
4.4、案例
05 数据集成
5.1、概念
数据集成：主要是指基于企业分散的信息系统的业务数据进行再集中、再统一管理的过程，是一个渐进的过程，主要有新的、不同的数据产生，就不断有数据集成的步骤和方案执行。数据集成是把不同来源、格式、特点性质的数据在逻辑上或物理上有机的集中，从而为企业数据共享提供基础支撑。
5.2、数据集成整体架构
06 数据生命周期
6.1、阶段划分
按照两个大的阶段来划分：数据治理规划阶段+数据生命周期管理阶段
数据治理规划阶段：
业务规划定义阶段：业务规划、业务标准设计
应用设计实现阶段：数据模型设计、应用标准设计、应用设计实现、数据录入
数据生命周期管理阶段：
数据创建：利用数据模型保证数据完整、执行数据标准保证数据准确、加入数据质量检查创建准确、保证数据在合理的系统生成；
数据使用：利用元数据监控数据使用、利用数据标准保证数据准确、利用数据质量检查加工准确、确保数据在合理的系统使用、控制数据的派生；
数据归档：利用评估手段保证归档时机、分数据类型规档数据；
数据销毁：利用评估手段保证数据销毁时机，分数据类型销毁数据。
要求：
满足对历史数据查询相关政策和管理制度的要求
满足业务操作和管理分析的需要
满足审计管理要求
减少数据冗余，提高数据一致性
存储、硬件、运维等方面基础设施投入
提升应用系统性能，提高响应速度
6.2、管理要求和手段
6.3、管理规范和管理办法
07 数据质量
7.1、数据质量管理目标
根据数据消费者的需求，开发一种满足数据质量要求的管理方法
定义数据质量控制的标准和规范，并作文整个数据生命周期的一部分
定义和事实测量、监控和报告数据质量水平的过程
根据数据消费者要求，通过改变流程和系统，以及参与可显著改善数据质量的活动，识别和倡导提高数据质量的机会
7.2、生命周期
计划阶段：数据质量团队评估已知的问题范围、影响和优先级，并评估解决这些问题的备选方案。
执行计划：数据质量团队负责努力解决引起问题的根本原因，并做出对持续监控数据的计划（技术问题、流程问题）。
检查阶段：这一阶段包括积极监控按要求评测的数据质量。
处理阶段：处理和解决新出现的数据质量问题的活动。
7.3、数据质量维度
7.4、数据质量常用工具
08 数据开发
围绕数据价值通道（数据资产 -> 数据服务 -> 业务应用）来设计数据开发的全流程管理，推动数据价值的释放。
8.1、数据资产
数据资产的应用实现方式，打通基础数据链条，实现联通协同，提升数据价值
数据资产生命周期：注册、变更、监控、下线
8.2、数据服务
数据服务技术架构:
09 数据安全
数据安全体系包含：数据安全技术体系+安全管理体系+安全运营体系
10 ETL
10.1、含义
10.2、ETL模式
10.2.1触发器模式：
10.2.2增量字段模式：
10.2.3全量同步模式：
10.2.4日志对比模式：
10.2.5不同模式的对比：
10.3、离线和实时
10.3、离线和实时
实时数据：
离线数据：
使用场景：
（END）
注，内容要点整理自：数据治理体系完整指南（全）
