如何选择数据治理平台？

近年来，随着企业信息化的逐步发展，大数据时代的强势逼近，越来越多的企业开启了数据治理的工作进程，企业中数据包括静态数据和交易数据两种，由于交易数据依附于静态数据存在，所以我们所说的数据治理通常指的是静态数据的治理。根据中国企业数据治理联盟的定义，静态数据指的是描述业务实体对象的多维度信息（包括主数据、元数据、静态私有数据等），也可以理解为360°描述业务实体对象的相对静态的数据档案信息。

数据治理工作包括：数据环境治理、数据质量治理。

    图 数据治理工作内容

数据环境治理包括：实现数据标准化建模，成立数据管理组织，制定数据管理制度，搭建数据生产流程，规范数据质量、安全和交换服务标准等。

数据质量治理包括：历史数据质量治理、数据生产过程质量控制和数据生成后的日常监测、分析、处理。要实现以上三个层面的数据质量控制，通过人工或者传统的业务系统已经被充分证明是无法实现的，因此需要搭建专业的数据治理平台，以便于数据环境体系能够全面的实现系统化落地、执行。

那么，目前国内主流的数据治理平台有哪些呢？

目前国内市场主流的数据治理平台有主数据管理平台（MDM）、企业数据治理平台（EDG）、主数据治理平台（MDG）、编码管理系统等。从平台厂商地域分为国内和国外，从平台侧重数据范围分为主数据、编码数据和静态数据，从平台来源分为物资编码管理系统（大部分国内厂商）、客户主数据治理系统（主要是国外厂商）、PDM/PLM系统（部分国外和部分国内厂商）。

面对以上各种工具平台，我们该如何选择呢？

首先，我们根据数据治理的范围、程度划分数据治理层级如下图。

   图 数据治理层级划分（螺母数据示例）

针对数据治理平台的选择，我们要从三个方面进行分析：

  l  为什么进行数据治理？

  l  数据治理想要达到什么目标（治理范围、程度）？

  l  数据治理需要防范什么？

具体见下表格：

附：惨痛的教训：

随着越来越多的大型企业集团逐步实施了标准的主数据管理平台，但让人意外的是2015年初开始逐渐出现了不少的失败案例，究其原因有五：

1)  业务系统的不断变化（新增或者变更）导致的主数据模型、管理制度、流程等的频繁变化，增加后期运维难度；

2)  只管理共享信息已经无法满足越来越复杂的业务过程，需要全视角（多组织、多系统、多维度）维护、存储和查询数据的全面信息；

3)  主数据管理平台实施后，普通业务人员直接参与数据标准化的日常管理，数据管理知识的缺失造成操作过程中的各种错误持续发生（如类别选错了）；

4)  数据标准化项目后，运维管理人员无法延续数据标准的制定思路，无法快速拓展、完善数据管理体系；

5)  标准主数据管理平台实施后，数据质量问题再次出现，并且逐渐积累显现出来。