那些关于数据治理的不过时观点

顺风哥 技术琐话

• 数据不是越多越好
• 不明白如何消费数据的数据集市建设就是耍流氓
• 大数据是AI的基础，在应用侧，AI场景更多的是呈点状分布

数据是有成本，此前坐馆老司机陈斌老师曾发表过《数据是黄金还是垃圾》的观点。数据是有成本的。存储数据是需要成本的，数据的成本绝非只有物理存储空间成本那么简单，实际上它包括了下述五种成本要素：

• 物理存储器：各种专用或通用的数据存储设备或者分布式存储设备；
• 人员和软件：为了有效地管理存储而必须配备的人员与软件所投入的资金和努力；
• 电力和空间：为确保存储系统能正常运行所需要的电力和IDC机房空间的投入；
• 遍历的时间：为了检索数据而不得不遍历存储空间所耗费的时间；
• 灾备的成本

为了保证数据安全而进行数据备份所需要的各类资源，数据的成本=物理存储器+人员和软件+电力和空间+遍历的时间+灾备的成本。

一、数据的成本价值困局

数据对企业的价值并非相同。在许多企业中，时间会减低我们可以从任何特定数据元素中所获得的价值。例如，很多旧数据对建立交易模型用处不大。某个客户与电子商务平台交互的旧记录可能有用，但其价值远不如最新的数据。电话公司几年前的详细通话记录没有最新的通话记录对用户的价值大。三年前的银行交易记录不如最近几个星期的有用。人们可能会偶尔看一下老照片和老视频，但是经常看的还是最近上传的新照片和新视频。虽然我们不能说所有的旧数据都没有新数据价值大，但在大多数的情况下，新数据更有价值是一个事实。

上面的表达方法叫RFM图，R代表数据的产生时间（Recent）, F代表数据的使用频率，M代表以货币表达的数据价值（Monetary）。从上面的RFM图可以看出，越是最近产生，越是经常使用的数据其货币价值越高（右后上方的顶点）。相反，产生很久，而且不常使用的数据几乎没有什么货币价值。

如果数据的价值随着时间的推移而降低，那么为什么我们还要保存那么多的数据呢? 我们把这个问题叫作数据的成本价值困局。大多数公司并没有对数据价值随时间的推移逐渐降低和维持高速增长的数据成本这些事实引起高度注重。

通常情况下，更新、更快存储技术的出现使我们能够以更低的初始成本来存储相同数量的数据，或者用相同的成本来存储更多的数据。随着单位存储成本的下降，我们要保存更多数据的愿望也逐渐膨胀。在高速增长的公司，除了要考虑数据的价值很可能会随着时间的推移而降低的事实之外，我们还要考虑虽然单位存储成本下降，但保存数据的总成本极有可能增加的事实。如何对此做出合理的决策对大多数企业提出了独特的新挑战。

准确的价值则取决于最终所选择的方案能够带来的利益。数据选项的价值有限度，为了给这个价值一个界限，我们应该开始回答下述五个问题：

• 我们过去经常依靠数据做出有价值的决定吗？
• 在那个决定中，我们使用多久以前的数据？
• 该数据最终创造的价值是多少？
• 维护这些旧数据的成本是多少？
• 平衡成本，最终的结果我们赢利吗？

提出这些问题并不意味着要从系统中删除所有的数据。如果没有一些有意义的数据，平台可能无法运作。确切地说是要指出应该评估和质疑保留数据的策略，以确保所有保存的数据都有价值。如果在过去你没有依靠数据做出更好的决定，那么从明天开始使用所有数据的机会也不会太大。即使你开始使用数据，也不太可能使用所有的数据。因此，应该确定：

• 哪些数据具有真正的价值？
• 哪些数据有价值但应该存储在低成本的存储系统？
• 哪些数据可以删除？

然而，在大多数情况下，数据的价值会随着时间的推移而降低，无限的数据不等同于无穷的价值。两者会有一个平衡点，在该点之后，旧数据的价值开始明显地衰减。因此需要了解数据的价值，把数据在某一年的价值与之前二年、五年的价值进行比较，以此类推，从而确定一个数据不再带来赢利的时间点和额外数据的增加会对保留客户、做出更好决策等等带来的接近于零价值的时间点。

二、大数据时代下的数据治理压力

上图为某运营商从运维压力、管理压力、增值压力等角度进行叙述，如果说的浅显直白一点的话，数据治理最主要的动机来自2方面。

一方面是业务上的困扰

数据标准问题，如数据字段口径不统一、数据研发烟囱式建设，导致重复建设或者数据不同源导致的分析结果不可信。

一方面是技术上的消耗

由于缺乏统一规划和明确分工依赖，烟囱式野蛮生长，存储和计算资源的大量消耗，而其业务价值无法评估收益。

以一贯之的目标驱动

围绕某银行数据平台建设，提供针对数据生命周期的管控机制，体现为以下几个出发点：

• 数据标准规范化--规范化管理构成数据平台的业务和技术基础设施，包括数据管控制度与流程规范文档、信息项定义等。
• 数据关系脉络化--实现对数据间流转、依赖关系的影响和血缘分析。
• 数据质量度量化—全方位管理数据平台的数据质量，实现可定义的数据质量检核和维度分析，以及问题跟踪。
• 数据服务电子化--为数据平台提供面向业务用户的服务沟通渠道。

三、数据治理平台构成与定位

如上图所示，数据治理以数据平台出发，包含数据标准、元数据管理、数据质量管理、数据服务等。

元数据管理

数据标准系统

数据质量系统

元数据平台

四、总结：

声明：本文取材于DTCC数据库技术大会公开资料以及CSDN若干资料下载。