大数据治理解决方案解决各个环节的数据问题

通过查找一些资料和相关文档，对大数据做了一个归纳，大体分为三个大类：

第一类为机器和传感器数据：包括智能仪表、工业设备传感器、设备日志、交易数据及呼叫记录等；

第二类为传统企业数据：包括CRMsystems的消费者数据，传统的ERP(Enterprise Resource Planning)数据，库存数据以及账目数据等；

第三类为社交数据：包括用户行为记录，反馈数据等，如微博、微信、QQ这样的社交媒体平台。

那么大数据解决方案应该能够解决各个环节的数据问题，从数据的存储、管控到数据服务应用。

1.数据存储

支持多种数据源，包括常见的关系型数据库：Oracle、mysql、sqlserver、hive、DB2、达梦等，除此之外还应该支持非结构化数据的存储，如mongodb、hadoop既包括结构化数据，也包括文本、多媒体等非结构化数据。

2.数据管控

数据集成、数据交换、元数据的采集、数据标准的制定、数据质量的把控、主数据以及数据资产和安全的管理都属于数据治理的重要环节，根据数据类型和行业的不同提供有针对性的解决方案。数据集成能够根据不同的业务数据进行数据建模，数据交换要消除数据传输共享的壁垒，针对不同类型的数据源进行元数据的采集，摸清企业数据字典掌握数据的来龙去脉，在此基础之上，对数据的标准、质量以及企业的主数据、安全进行把控。

3.数据服务应用

对数据进行规范化流程治理完成后，对数据进行统计分析，对外提供服务应用，能够提高数据的价值、为领导提供决策依据。

如今大数据治理存在四大痛点极待突破。

第一，数据分散、杂乱、割裂、难以看清。银行业务线众多，数据源分散，且各系统间无法打通，成为各信息孤岛，数据搜集标准也不相同，零散存储在各个业务系统中，难以形成全局数据联动。

第二、数据收集渠道单一、模式落后、效率低、成本高。业务增长带来数据增长，传统数据管理模式难以应对大数据增长，从渠道上来说，传统数据收集渠道单一、落后、偏线下化，从方式上来说，大多中小银行收集信息手段仍停留在手工阶段收集阶段，效率低、成本高且造成数据出入。

第三、数据标准不统一、缺乏分析工具，数据难运用。数据标准不统一，导致整合困难，难以进行全局联动，再加上缺乏数据分析工具、仅靠数据专业人才难以满足银行需求，且难以看到数据实时变化及价值。难以真正实现数据驱动业务发展，提升运营管理水平。

第四、系统落后、难以满足数据管理需求，存在数据风险隐患。在数据井喷式增长的当下，银行系统未能跟上数据增长而变化的需求，难以满足监管要求，同时存在数据隐患及风险问题。

首个基于大数据平台的全流程数据治理解决方案推出-睿治数据治理平台

睿治数据治理平台是亿信华辰基于13年的数据治理经验，已形成一整套数据治理解决方案，通过元数据、主数据、数据质量、数据标准、数据资产、数据处理、数据交换、数据安全、数据生命周期九大功能模块的任意组合，满足所有客户的数据治理需求，实现数据价值的最大释放。目前已广泛应用于财政、税务、卫健委、农业、食品安全、安监、法检及政法、金融、企业等，为客户提供信息化顶层设计与规划咨询、应用软件开发、系统集成、运维和运营等全方位的专业服务。

睿治平台主要目的是发现并解决数据问题，通过一系列措施规范数据，减少数据问题发生，整体提高数据的应用价值。将实现业务目标作为数据管理和服务的核心驱动力，优化数据架构，提升数据仓库/信息化管理系统建设，支持管理能力的提高、精细化和决策的科学性。