数据治理（一）

数据治理知识点积累

数据治理包含数据事项决策，包含数据采集、存储、质量、管理、应用的关键流程。

数据治理核心是面向企业客户数据：

第一，积累“有效”的数据资产。通过整合多种数据源，打通用户 ID 体系，从而帮助企业打造持续积累可用、有用、实用的数据资产。
第二，驱动企业业务数字化。干净的数据、统一的用户体系，可以实实在在地赋能业务运营中的分析场景和营销场景，有效实现业务数字化运营与增长。
第三，赋能企业团队和组织。完整的数据平台和数据流建设规范，可以推动数据团队工作的流程化、规范化、提升组织产出效率。
第四，降低机器和人力成本。稳定、可靠、性能优质的数据根基平台，可以处理海量数据，从而大幅降低机器硬件和人力成本。

企业数据治理方案：数据采集、数据打通、数据质量、数据管理、数据安全：

（1）数据采集：通过sdk等数据采集工具，实现全端数据资产积累
（2）数据打通：通过实时一对多的ID-Mapping，构建全局统一的用户体系。

数据模型一方面考虑当前数据的实际情况，另一方面考虑业务对于数据的实际诉求，将两者合二为一构建企业统一的数据模型体系。

每个数据字段都有业务、技术、管理三个视角的数据标定义，统一企业内部对于数据的理解和认知，避免数据同名不同义，同义不同名，保证每个数据在整个企业内部的唯一性。
数据模型和标准完成统一后，基于 ID 之间的精准匹配，将两个不同用户在同一用户标识下 ID 相一致的用户进行关联，并以此将不同业务系统的数据进行用户 ID 的打通。通过 ID-ID 之间两两映射关系表，将多种 ID 之间的关联打通，比如手机号、身份证号码可以关联，手机号、邮箱账号可以关联，这样通过手机号就可以把身份证号码和邮箱账号也关联了。
在系统中统一维护各个业务系统或者数据的用户身份标识，并为每个用户身份标识设置优先级，系统会根据维护的用户标识和其对应的 ID 优先级，将接入的数据进行自动打通。