大数据治理解决方案  
01  
02  
03  
04  
需 求 背 景  
目
录
数 据 治 理 方 法 论  
数据治理领域优势  
数据治理工具介绍  
01 需 求 背 景  
数据治理的发展现状与趋势  
国内现状: 两院院士多次强调：数据作为重要战略资源, 在各行业亟需建立完整的数据治理体系  
完整的数据处理和治理 是实施数据融合分析, 发挥大数据作用、促进企业内  
部数据价值深度挖掘的重要因素  
法律法规  
标准规范  
应用实践  
支撑技术  
数据资产地位确立  
管理体质机制  
支撑  
安全与隐私保护  
数据共享开放  
企业大数据平台的突出问题  
数据不可联  
企业建设大数据平台过程中  
存在如下隐患  
数据不可取  
数据不可控  
数据不可知  
数据关系？  
知识网络？  
哪里取？  
如何取？  
数据标准？  
数据质量？  
数据管理？  
大数据有什么用？  
数据业务含义是什么？  
去哪里找数据？  
数据治理-赋能企业数据驱动能力  
• 数据赋能 - 数据治理已经成为当前的紧迫任务，同时也是赋能企业数据驱动  
能力的必经之路  
智慧  
决策  
实时决策、知识图谱  
数据资产化运营  
How can we  
make it happen?  
meeting_01A.mp4  
人工智能知识  
智能  
挖掘分析、决策建模  
What will  
happen?  
数据治理  
挖掘  
统计分析、数据服务  
数据可视化  
Why did it  
happen?  
信息  
有序  
跨领域、跨系统的  
数据融合  
What  
happened?  
数据  
数据治理能解决哪些问题  
“数据架构局限症”  
“数据管理不清症”  
“数据标准紊乱症”  
“数据质量综合症”  
“数据价值低下症”  
“数据安全缺乏症”  
“数据资产孤独症”  
“数据关系混沌症”  
数据治理可带来哪些价值提升  
提升风控水平  
增效降本运营  
高质量的数据有助于减低IT建设及运  
维成本，对企业的系统安全稳定运行  
及其重要  
严密的数据安全制机，可以降低企业  
数据风险  
促进管理创新  
提升数据质量  
业务流程和资源配置的优化，可以提  
高业务管理能力  
通过数据治理，及时发现、解决及监  
控数据问题，从根本上改善和解决系  
统的数据问题，保证数据的可用性、  
数据质量等  
优化流程管控  
促进开放共享  
数据治理能够消除数据的不一致性，建  
立规范的数据应用标准，实现数据广泛  
共享，并能够将数据作为组织的宝贵资  
产应用于业务、管理、战略决策中，发  
挥数据资产的商业价值  
大多数企业中数据治理的各模块都是  
独立地执行其功能，通过数据治理可  
以将数据管理各环节打通，实现完整  
的数据管控流程  
数据治理方法论  
02  
数据治理框架  
组织战略目标  
成熟度评估  
现状分析  
明确驱动力来源  
数据摸底调研  
成熟度评估报告  
差异性报告  
体系规划  
数据治理管理办法  
组织架构设计  
目标规划  
体系建设与平台建设  
数据安全  
数据标准化  
数据资产管理  
数据生命周期  
数据质量管理  
知识转移  
数据治理方法论  
• 三阶价值理论  
统筹和规划  
(1) 数据治理顶层设计 (定战略, 组团队)  
治理目标  
战略、组织、架构、评估、绩效等  
制定战略  
组织构建  
架构设计  
(2) 数据治理体系建设 (促业务, 控风险)  
指
导
监
督
评
估
改进和优化  
构建和运行  
元数据、数据标准和规范、数据质量、安全等  
(3) 数据服务和数据洞察 (融应用, 增价值)  
数据管理体系  
面向数据价值  
的治理  
资产化管理、数据服务、洞察分析和挖掘、可视化等  
的治理  
监督和评估  
数据治理方法论  
• 数据治理的模型与目标  
• 基于既定的治理原则，清晰确定数据治理涉及的范围，制定可量化、可执行的实施与评估方法  
• 帮助企业或者组织实现其成本、收益、风险三者的最优化控制目标，并持续迭代完善和优化  
原 则  
战略一致  
运营合规  
风险可控  
绩效提升  
收益  
范 围  
战 略  
组 织  
风险  
大
数
据
安
全
、
隐
私
与
合
规
目标  
数据服务创新  
数据生命周期  
数
据
质
量
成本  
大数据架构  
数据存储 元数据 主数据  
数据治理统一流程  
建立起闭环式覆盖数据治理咨询规划、方案制定、执行和评价的数据治理统一流程  
2 问题整理  
归类、成熟  
度评估  
3 确定治理  
目标、获取  
高层支持  
4 制定实施  
路线图  
1 调研数据  
问题  
5 数据治理架构  
6 梳理业务系  
统，摸底数据  
现状  
7 建立元数  
成立数据治理委员会，分  
配职责，制定管理制度和  
流程  
据
8.1 数据质量  
提升（标准、  
模型、质量）  
8.2 主数据管  
8.4 数据生命  
周期管理  
8.3 数据安全  
管理  
理
9 建立数据治理长效机制  
治理成果展示、成效评估  
步骤1 调研数据问题  
调研问卷  
01  
• 针对相关业务部门及IT系统开展问卷调查  
• 收集在信息使用中存在的障碍和挑战  
• 理清数据现状和用户需求  
• 问卷分为通用问题和数据治理各领域问题  
面对面访谈  
02  
• 以调研问卷为基础，进行深入探讨  
• 针对项目发起者重点关注的领域组织专项访谈  
• 从源系统、数据应用系统、业务部门、科技主管部  
门到数据治理主管领导，逐步建立整体架构视图，  
勾勒出目标蓝图  
步骤2 数据治理成熟度评估  
对数据内容的管控、对数据价值的发现，逐渐从  
传统的IT系统管理模式转变为独立的数据中心；  
数据成为可运营管理的企业资产  
• 数据：所有相关的内部及外部信息无缝连结  
，并且共享的、新增的信息很容易加入  
• 数据治理：企业级数据治理成为一种文化，  
在企业内有序开展并持续优化，建立数据治  
理长效机制  
• 业务创新的促进能力  
• 企业绩效和运营的优化  
• 战略洞察力  
持续优化  
信息成为企业脱颖而出  
的竞争要素  
5
• 数据：无缝连结并且共享的、信息和流程分离  
、结构化和非结构化信息完全整合  
• 数据治理：企业级数据治理全面推广，并取得  
明显成效，比较明显的特征是各司其职，常态  
化、持续化  
• 激发流程创新  
• 增强的业务流程和运营管理  
• 前瞻性的视野、具预测性的分析  
定量管理  
信息促进创新  
4
• 数据：基于标准的、结构化的、以及部分非结构化的  
• 数据治理：数据被认为是获取竞争优势的重要资源，  
数据治理成为全企业的认知，并在企业层级进行规划  
和设计，比较明显的特征是由科技牵头、引入工具  
• 全方位的数据服务  
• 整合的业务绩效管理  
• 基于分析的业务洞察  
形成体系  
信息为战略资产  
3
• 数据：结构化的内容、有组织的  
• 数据治理：在信息系统或部门内自发进行管理，发挥  
一定作用，通过监管和内部管理促进数据应用，反向  
推动数据质量提升和数据标准规范的建立  
初始阶段  
信息用来管理业务  
• 基本的探索、查询、BI分析  
2
• 数据：结构化的内容、静态的  
• 数据治理：以项目自治为主，关注度较低，  
处于萌芽状态，并未成为主动行为  
• 业务系统  
• 基本报表  
数据积累  
业务电算化  
1
数据治理成熟度  
步骤3 确定治理目标、获取高层支持  
准
确
准
确
数据质量准确可靠  
数据来源唯一可溯  
完整的全企业数据资产视图  
可
信
数据价值  
创造  
可
信
需求沟通口径有章可依  
快
捷
快
捷
按需及时获取数据  
灵活定制用户信息服务  
组织架构、职责  
规章制度、考核机制  
管理办法、流程规范  
保障  
元数据  
数据标准  
主数据  
数据质量  
数据需求  
数据模型  
落地  
数据生命周期  
步骤4 数据治理实施路线图  
4.1 规划企业数据架构及传输规范  
4.2 建立企业级数据模型  
B1 搭建数据治理平台  
高
（High）  
A1 建立数据治理专职机构及组织架构  
综合考虑任务业务价值、实施难  
易度及依赖关系三方面因素，确  
定实施任务优先级  
B2 实现数据治理核心领域功能建设  
A2 制定数据治理管理基本政策和流程  
6.2 数据服务流程全行推广  
A3 制定各核心领域管理政策和流程  
3.2 闭环数据质量管理全行推广  
2.2 建立指标类数据标准  
3.1 建立数据质量管理机制  
2.3建立数据标准的执行机制  
2.1建立基础类数据标准  
1.1 完成元数据获取  
1.2 推广元数据管理应用  
B3 实现数据治理平台功能持续提升  
5.2 识别客户、产品、机构等主数据  
5.1 建立主数据管理机制  
6.1 建立数据需求管理流程  
8.1 完善数据安全管理策略  
治理平台  
管控机制  
核心领域  
5.3 建立数据模型管理机制  
8.2 完善数据安全的执行机制  
低
7.1 建立数据生命周期管理策略  
7.2 完善数据生命周期管理的执行机制  
（Low）  
低（Low）  
注： 1.1  
实施难易度  
高（High）  
A3  
A3任务依赖于1.1任务  
步骤5 数据治理组织体系  
步骤  
核心内容  
关键决策  
组织目标是实现数据资产价值 数据治理组织的职责范围  
最大化  
定位  
组织目标与定位  
数据治理组织形式和层级  
专职机构设计  
数据治理组织形式和层级  
建立数据治理专职机构  
与业务部门、技术部门的关系  
各领域管理内容和主要流程  
组织形式  
管理内容  
职责划分  
岗位人员  
重点治理领域  
以业务规划为驱动  
数据治理管理领域  
各管理领域治理目标  
与业务的职责边界  
与技术的职责边界  
与业务部门的职责边界  
与技术部门的职责边界  
将数据治理流程与已有业务流  
程和开发流程相结合  
工作量预估和岗位设置  
人员安排  
远期工作规划  
近期工作规划  
岗位设置与人员数量  
步骤6 摸家底  
01  
03  
05  
材料收集  
理解各数据源  
分析文档产出  
3.1 表级别分析  
3.2 通过逆向工程，进行主-  
外键分析，构建E-R图  
3.3 识别关键数据元素  
3.4 识别敏感数据  
技术：系统表结构及表间关系  
字段长度和类型  
收集各业务系统的架构、数据  
流向、模型、字典、设计文档、  
操作手册等资料  
业务：表和字段的业务含义  
业务规则和流程  
业务关联关系  
理解各数据源之间  
的关系  
建立业务术语库  
4.1 分析各数据源之间的数据重复  
情况  
明确数据业务含义，确保一致  
的业务描述  
4.2 发现各数据源之间的数据血  
缘和复杂逻辑转换  
4.3 发现数据不一致性和异常  
02  
04  
步骤7 建立元数据存储库  
1 技术元数据：自动、定期获取生产环境下运行态的数据模型、数据流转情况；  
2 业务元数据：需要各系统责任人或业务人员补充  
业务对象实体2  
实体间关系  
业务对象实体1  
数据应用（报表/共享）  
接口  
数据仓库/集市（ETL）  
元模型设计  
元模型采集  
元模型管理  
元模型管理  
元数据查询 -- 我是什么、如何定义，  
分布在哪  
定期对比检查一致性  
定版元数据发布  
配置采集源  
基于国际通用CWM模板  
元模型客户化设计  
设置采集任务  
血缘分析 – 我是谁加工出来的  
影响分析 – 我支持了谁的加工  
补充管理属性及依赖  
关系等  
理清数据的来龙去脉  
步骤8.1 基础标准定义模板  
数据标准框架  
技术属性  
业务属性  
管理属性  
业务属性：用于管控信息项的业务相关数据标准。  
包括名称、业务含义、业务规则、标准依据等  
标准主题  
标准大类  
数据类型  
管理部门  
主控部门  
数据格式  
编码规则  
技术属性：用于管控信息项的技术标准。主要包括  
其数据类型、编码规则、取值范围，以及数据长度、  
精度、单位等数据格式  
标准小类  
标准应用领域  
标准项编号  
所属表编号  
取值范围  
源系统名称  
源系统映射  
管理属性：用于对信息项及其数据标准自身进行管  
理，规定其管理责任部门、主控部门等  
标准英文名称  
标准中文名称  
业务定义  
业务规则  
监管要求  
制定依据  
步骤8.2 数据质量提升闭环机制  
四、考核评估  
一、规则定义  
绩效考核  
数据质量现状分析  
质量评估报告  
质量绩效报告  
问题处理报告  
数据质量改进建议  
组织架构和职责  
数据质量管理流程  
检查规则定义  
整改流程定义  
绩效评估方案设计  
三、改进跟踪  
二、质量检核  
将改进措施落实责任部门，发起整改  
搭建数据质量管理系统  
流程  
在系统中建立质量规则，分系统进行数  
据质量规则的定义  
整改过程跟踪  
申诉流程  
执行数据质量检查方案  
质量问题告警  
例外管理  
分析质量问题成因  
数据质量报告  
知识库积累  
检查结果查询  
数据质量持续改进  
步骤8.3 主数据管理  
如何识别企业最有价值的关键业务数据，是主数据管理的首要问题。  
特点：高价值、重复使用、关联众多，一旦产生被记录之后，相对稳定  
管理思路：事务架构、分析架构、数据保留原地的注册表架构  
、识别业务  
问题  
、定义主数据  
主题区域  
元数据高关联度  
高频使用的表字段  
根据元数据的关联度识别  
主数据  
关联越多的表，主  
●在多个系统中存在  
●共享范围广  
、识别使用的  
系统和数据源  
●使用频率高  
、主数据的  
数据质量管理  
数据的机率越大  
MDM  
、建立主数据  
治理策略  
●行业内要求被纳入  
●业务系统自主申请的  
机构、单位级次、  
行政区划、客户、账户等  
数据  
、主数据验证  
、主数据匹配  
的
系统自动识别为主数据  
、主数据获取  
行业标准&业内经验  
离散型基准数据  
步骤8.4 数据安全管理  
对数据安全的管理可分为：数据安全分级管理、数据访问授权管理、安全技术支撑  
•
•
数据安全分级：根据业务要求，制定一系列的数据安  
全分级标准和政策，为数据应用以及数据管理中实施  
数据安全保护和访问提供数据安全控制的基础  
数据治理的安全保障维度  
数据安全分级  
数据访问授权  
数据访问授权：数据访问授权的主要工作是根据数据  
安全分级标准，定义数据访问的授权方法及流程，建  
立基于数据安全分级的数据使用授权机制，实现数据  
访问和信息披露的安全  
数据敏感度  
数据重要性  
数据使用需求  
数据安全  
等级定义  
数据访问  
授权规则  
安全技术  
数据使用者权责  
•
安全技术支撑：通过系统自动实现基础的数据脱敏、  
加密等安全支撑，让数据在可信、可控、可靠的环境  
内传输、利用等  
步骤8.4 数据安全管理  
数据安全管控，需要通过“自动化、重监控、轻审批”的模式，稳步提升安全管理水平，减  
少对业务运营的影响  
数据脱敏&审计  
数据级次过滤  
敏感数据识别  
数据所属单位级次的控制  
数据分级分类  
数据加密、脱敏  
数据监控与审计  
多维度权限可配置  
数据导出控制  
数据查看限制  
受保护的数据，可用不可导出  
数据导出需要审批  
数据受限查看与开放；  
数据验证式查询；  
只可查看表样及样本数据  
步骤8.5 数据生命周期管理  
企业多层信息架构  
在线层：当前的事务处理，存储在高速的  
主要存储中  
时间维度  
近线层：存储用于分析的数据，一般为数  
据仓库，并进行主题分类、场景分类  
业务分类维度  
应用场景维度  
离线层：历史的参考数据，存储在低成本  
设备中，一般为数据磁带或大数据平台，  
满足历史数据查询和审计要求。  
设计  
产生  
处理  
使用  
存储  
保留或删除  
步骤9 建立数据治理长效机制  
推进数据资产化，使得数据战略与业务战略结合统一  
1
2
3
4
5
数据治理可视化展示，直观呈现，从数据治理域的各维度分析  
治理成效评估，通过成果度量成效，并定期向委员会汇报  
推广数据治理文化，宣传数据战略，建立数据论坛  
建立体系化数据服务体系，形成统一的数据服务入口  
步骤9 数据资产管理  
资产目录通过元数据智能和人工补录完善的方式盘点全部数据资源，资产目录的活化功能保证目录能  
及时的反映资产结构的变化  
资产目录  
元数据  
数据资源  
多视角展示  
目录业务属性  
目录技术属性  
目录管理属性  
目录其他属性  
目录标签  
表
技术元数据  
视图  
元数据采集  
映射并挂  
接资源  
业务元数据  
管理元数据  
文件  
分析模型  
分析报表  
补录并挂接资源  
数据生命周期管理  
数据安全  
步骤9 常见数据资产目录维度  
常见数据资产目录维度  
系统主题  
业务主题  
行业分类  
组织架构主题  
资产类型  
服务分类  
安全主题  
资产形态主题  
• OA系统  
• ERP系统  
• 相关方  
• 农林牧渔  
• 能源  
• 财务部  
• 销售部  
• 基础数据  
• 指标  
• 技术指导  
• 企业职能  
• 公开  
• 结构化数  
据
• 半结构化  
数据  
• 合约账户  
• 财务  
• 内部  
• CRM系统  
• NC系统等  
• 金融业  
• 建筑业  
• 生产部  
• 报表  
• 接口  
• 模型  
• 代码等  
• 数据共享  
• 普通商密  
• 核心商密  
• 事件  
• 工程部等  
• 非结构化  
• 资源  
数据  
• 产品  
• 营销  
• 品质等  
说明：在数据资产分类中，以目录结合标签的形式登记数据资产，通常以系统主题、业务主题、组织  
架构主题3个维度作为目录视角，其它的维度作为标签。  
步骤9 数据资产服务化  
数据需求  
数据服务化平台  
资源服务  
API服务  
产品服务  
需求管理  
服务开发  
安全配置  
发布  
数据资产  
应用和分析  
用户  
授权管理  
监控统计  
所需数据  
步骤9 数据治理可视化展示  
步骤9 治理成效评估  
• 业务KPI：一般由业务管理部门提出，比如为响应业务战  
略，针对关键业务规则的数据质量问题占比的监控  
定期度量、形成报告  
• 可量化的技术KPI：比如元数据管理字段占全企业数  
据字段的比例，数据标准新增多少项、修订多少项  
面向数据治理委员会和高级管理人员  
形成数据治理工作的良性循环  
每1个月，形成月度治理跟踪汇报  
每1个季度、每1年，形成季报、年报  
• 数据质量：新增规则数量、发现问题数量、整改问题数量  
示例：  
• 管理、文化、意识的建立和推广  
一、本阶段工作内容，各小组工作、文档编制、沟通  
二、工作成效，比如质量问题发现和整改情况，元数据  
获取情况，数据标准编制进度，形成的管理流程规范等  
三、下一步工作重点  
标准公开、培训、文化宣传、论坛交流、数据服务  
• 数据应用：数据服务支撑速度、数据服务开放范围、  
监管报送数据补录工作量、新增可视化数据应用  
数据治理实施路径建议  
形成相对完备的数据治理体系，贯通数据全生命周期  
优化数据管理长效机制，数据治理已经成为一种企业文化  
开展数据深度分析，并将数据分析渗入业务流程  
探索新的数据处理技术  
第四级  
持续优化阶段  
形成闭环数据质量管理机制，纳入到常态化工作中  
持续完善数据标准、数据模型  
第三级  
完善阶段  
数
据
治
理
范
围
的
逐
步
扩
大
统筹管理数据需求，梳理数据需求管理流程，并在全行推广  
建设数据服务平台，通过数据的开放共享，促进数据应用  
开展数据安全管理  
开展数据生命周期管理  
进一步获取其他系统的元数据信息，形成企业数据地图  
基于基础数据标准，开展指标数据标准的编制  
以新核心改造为契机，组织新核心及外围系统落地数据标准  
建立企业级数据模型，实现全行数据整合  
第二级  
提升阶段  
成立数据治理专职的组织架构、组建团队，发布相关的管理制度和流程  
参照成熟的企业级数据模型，开展基础数据标准的编制  
以监管报送为重点，开展围绕监管报送的数据质量管理，建立数据质量考核机制  
搭建数据治理平台，涵盖数据标准、元数据、数据质量，获取核心、信贷、数仓等主要系统的  
元数据信息，形成数据血缘  
第一级  
基础阶段  
数据价值逐步提升  
03 数据治理领域优势  
数据治理领域优势  
成熟、完善且实用的数据治理方法论：  
数据治理能力框架以及数据治理统一流程、  
数据治理成熟度评估模型等  
数据治理战略  
一体化治理平台：  
涵盖元数据、数据标准、数据质量、数据  
集成、主数据、数据安全等领域，统一底  
层架构，全方位融合贯通。  
组织  
架构  
数据  
政策  
治理  
实施  
价值  
发现  
专业的数据治理人才队伍：  
服务于众多客户，具有丰富实践经验，深  
度了解数据治理的需求和重难点  
数据治理方法论、产品和人才队伍  
百分百的项目成功率：  
咨询 -- 实施 -- 应用 -- 运  
维
数据治理领域优势—成熟、完善的实施方法论  
问卷类  
管理规范类  
标准类  
实施过程文档  
驱动力调研问卷  
成熟度评估问卷  
系统架构调研问卷  
数据标准调研问卷  
元数据管理规范  
数据标准定义模板  
数据治理原始需求清单  
成熟度评估资料收集清单  
数据治理方案  
数据标准管理规范  
数据质量管理规范  
数据资产管理办法  
数据安全管理办法  
元数据落标映射模板  
数据质量检核规则模板  
数据质量综合跟踪表  
数据治理项目任务书  
数据质量调研问卷  
数据资产调研问卷  
数据安全调研问卷  
数据资产归档策略模板  
数据分级管理标准模板  
数据标准落标情况跟踪表  
数据治理组织架构  
数据生命周期管理办法  
数据质量考核办法  
数据治理实施总体规划  
数据治理实施重点事项  
…
…
…
…
数据治理领域优势—专业的数据治理人才队伍  
咨询  
运维  
产品  
数据治  
理团队  
实施  
研发  
数据治理领域优势—百分百的项目成功率  
行业  
服务单位名称  
项目名称  
行业 服务单位名称  
项目名称  
阜外医院数据治理项目  
临沂矿业数据治理平台  
时代地产数据质量管理平台  
行业 服务单位名称  
项目名称  
禅城区大数据服务中 禅城区大数据统筹  
阜外医院  
首钢基金  
首钢基金数据治理综合项目  
心
局数据治理项目  
荔湾区政数局数据  
治理项目  
赣州银行  
长安信托  
洛阳银行  
秦皇岛银行  
赣州银行数据标准化治理项目  
数据治理平台建设项目  
荔湾政数局  
临沂矿业  
江阴大数据局数据  
治理项目  
江阴大数据局  
阜外医院  
时代地产集团  
南山集团  
阜外医院数据治理  
项目  
主数据管理平台建设项目  
博威集团主数据项目  
洛阳银行数据治理平台项目  
秦皇岛银行数据治理项目  
广西交通厅数据治  
理平台  
广西交通厅  
陕西卫生厅  
国网甘肃电力  
甘肃国税  
博威集团  
陕西卫生数据平台  
项目  
民生银行金融租赁 民生金租数据交换平台项目  
华致酒行数据治理项目  
河南得实数据质量管理平台项目  
数据质量管理平台项目  
金融  
政府  
企业  
华致酒行  
河南得实  
中国人民银行清算  
数据治理咨询项目  
中心  
甘肃电力数据资产  
管理平台项目  
数据清理项目  
中国进出口银行  
甘肃国税大数据平  
台项目  
上海东方富联  
外部数据管理平台  
综合报表平台升级项目  
中国农业发展银行  
凉山州政府  
小龙潭监狱  
濮阳环保局  
“智慧凉山”项目  
安徽电力物资处 数据资产管理平台项目  
数据交换平台项目  
小龙潭监狱数据治  
理项目  
锦程消费金融  
数据治理项目  
中兴信网  
中油瑞飞  
连云港数据治理项目  
塔里木油田项目  
濮阳环保数据治理  
项目  
招商局融资租赁 数据治理及数据仓库项目  
未全部列举  
专心致志，产品与客户案例屡获行业好评  
数据质量平台多次荣获优秀产品奖项：  
•
•
•
2019中国数据质量优秀产品奖  
2019星河奖优秀大数据产品奖  
DAMA2020数据治理优秀产品奖  
客户案例获奖：  
•
•
•
•
•
某金融租赁行业客户数据治理项目荣获：2019星河奖优秀数据资产管理实践奖  
某金融行业客户数据治理平台荣获：2019数据质量卓越实践奖  
某政务客户数据治理项目荣获：2019年数据治理优秀实践奖  
某能源行业客户数据治理项目荣获：2020数据资产管理优秀案例  
某金融行业客户数据治理平台荣获：2020数据质量卓越实践奖  
04 数据治理工具介绍  
中国领先的数据治理平台  
睿治数据治理平台是我公司完全自主研发的、开创性的、一站式综合  
数据治理整体解决方案。睿治是全国唯一实现了数据治理场景全覆盖  
的突破性产品，九大核心模块：元数据、数据标准、数据质量、主数  
据、数据资产、数据安全、数据交换、数据处理、数据生命周期等，  
以创新的方式保证了企业的业务数据在采集、汇总、转换、存储、应  
用整个过程中的完整性、准确性、一致性和时效性，全面为客户量身  
打造符合自身特征的数据治理体系。  
睿治-平台模块  
理清数据的来龙去脉，可查询的“字典”  
形成企业范围内的统一描述，共同定义和维护  
形成质量规则定义、检核、整改、度量反馈的闭环机制  
管理和共享企业的黄金数据  
元数据  
数据标准  
数据质量  
主数据  
睿治平台  
数据模型、数据ETL 、数据交换、数据传输  
数据模型、数据ETL 、数据交换、数据传输  
约定数据的密级、传输、权限等，保障数据的安全使用  
对数据的存储、使用的监控  
数据集成  
数据交换  
数据安全  
数据生命周期  
数据资产  
以全局视角总览企业资产的规模和构成  
睿治-平台优势  
平台化  
覆盖元数据、数据标准、数据质量、数据资  
产、数据集成、数据交换、数据安全、数据  
生命周期等9大模块。微服务架构，可无限延  
展
智能化  
数据治理是一个耗费人力的工作，智能元素  
的引入大大减少数据治理周期和成本  
可视化  
治理全过程可视化（“从创建到消亡”）  
全角色可视化（领导，技术管理，业务管理，  
技术人员，业务人员  
睿治-平台架构  
睿治-元数据  
采集适配器多、扩展性强  
统计监控指标全  
血缘影响关系清晰  
系统脉络一目了然  
睿治-数据标准  
标准管理有层次  
统计信息直观  
标准评估精确  
标准参考有理有据  
睿治-数据质量  
内置质检类型多，扩展性强  
质检监控数据简单明了  
数据整改更精细  
质量报告可自定义  
睿治-数据集成  
价值主张：人人都是数仓工程师  
特点：面向数仓、组件丰富、混合处理、易上手  
主要功能  
模型资源  
数据脱敏  
可视化建  
调度管理  
过程流设  
过程设计  
睿治-数据集成  
批流一体组件丰富  
可视化拖拽式ETL  
集成调度灵活可控  
调度监控细致  
睿治-主数据  
多类型模型创建  
流程化主数据变更  
自动化主数据编码  
多方式主数据分发  
睿治-数据交换  
传输节点可视化监控  
数据传输类型丰富  
拖拽式交换任务定义  
交换传输过程透明  
睿治-数据资产  
资产超市齐全  
资产门户便捷  
资产服务申请灵活  
资产登记快速  
睿治-数据安全  
价值主张：多方位保障数据安全  
特点：丰富数据安全模式  
主要功能  
异
敏
数
据
加
工
数
据
脱
敏
用
户
权
限
数
据
库
权
限
管
理
常
感
行
数
睿治-生命周期  
价值主张：管理数据生老病死  
特点：灵活设计数据归档、销毁策略，保证系统数据存储效率  
主要功能  
生命周期监控  
数
据
归
数
据
感 谢 您 的 聆 听  
Thank  
You  
For Listening  
智 能 数 据 全 生 命 周 期 产 品 与 服 务 提 供 商