数据治理的定义

根据DAMA国际数据管理协会对数据治理定义：数据治理是对数据资产的管理活动行使权力和控制的活动集合（规划、监控和执行）。

数据治理的最终目标是提升数据的价值。

数据治理的流程

数据治理的主要流程：

1. 数据集成
2. 数据开发
3. 数据质量
4. 数据服务

1. 数据集成

数据集成主要包括两块：数据采集和清洗。

2.数据开发

数据开发包括编码研发和规范建模。编码研发用于构建计算任务，例如创建SQL代码任务、Shell任务、Python任务、MR任务和Spark任务等；规范建模用于构建逻辑化的数据模型。

3. 数据质量

数据质量体现在：时效性、准确性、一致性

时效性

随着业务发展，企业对业务、产品和服务进行调整优化的速度也会增加，在使用一些比较强调实时性的数据时，企业的技术、分析和管理人员需要在短时间内使用数据，一旦数据不能及时利用，这个数据就很有可能就没有价值了。

准确性

如果数据不准确，那么就失去了数据的价值。所以未来保证数据的准确性。会做数据的准确性测试、以及数据的准确性监控。

一致性

提供给下游使用的数据，要有统一的口径和解释。通常情况下，指标是由分析师定义，但实际开发中，业务、产品、甚至是研发自己，也往往会定义一些指标，往往又会因为数据范围的不同，导致结果不一致。因此要避免结果的不一致性，数据的结果一定要有验证的过程。

4. 数据服务

数据服务是为数据的应用提供支持：决策支持、数据大屏、智能数据应用、其它服务

数据治理的架构

总体系统框架

总体技术框架

传统大数据平台

传统MPP平台

数据管理体系和运作机制

数据管理组织架构

DawnSql在数据治理中的优势

DawnSql数据治理平台

1、降低成本

1. DawnSql 既是分布式数据库，也是离线数仓，也是实时数仓
2. DawnSql 既支持标准 Sql，也支持 NoSql，还支持自己定义的语言
3. DawnSql 是分布式缓存，支持对数学的实时反馈，提升业务对实时数据的价值
4. DawnSql 是分布式的服务平台，可以支持服务的负载均衡和故障转移
5. DawnSql 支持机器学习和扩展其方法 结论：DawnSql = 传统大数据平台 + MPP平台 + 微服务框架。 也就是说原来需要多个系统，多个平台的支持，现在只需要 DawnSql 一个就可以了，开发成本，运维成本，硬件成本都极大的降低了。

2、提升数据价值

对比其他平台，DawnSql 在提升数据价值方面，它拥有更快的时效性和安全性。企业对数据的使用，会更快捷，更安全。因为 DawnSql 不仅仅是缓存，它还可以根据企业的实际的业务需求，对不同的人，不同的业务，赋予不同的数据读写权限。让数据更快捷、更准确、更安全的、被业务放使用。