当前地位：经营头条
【11年·11个认知】政务云建设运营之路⑥
数据治理篇：治理的终点，是让数听说统一种说话
数据是是云中流淌的血液——血不净，流得越快，风险反而越大。这些年，政务数据从“有没佑妆到“通不通”，再从“通不通”到“准禁绝”，每一步都比上一步更难。数据分歧于设备，买来即可用；它的价值不在存量，而在流动，在一次次跨部门、跨层级的挪用中被反复兑现。而流动的前提是互认，彼此看不懂的数据，堆得再多，也只是沉淀的资产。
做数据治理这些年，我们最深的体味是：难点不在数据有几多，而在于数据各说各话。政务云里跑的，从来不是一种数据。有结构化的——人丁库、法人库、电子证照，一行行躺在关系数据库里；有半结构化的——日志、JSON、XML、各类接口报文，体式还对不齐；也有非结构化的——扫描的档案、处事的影像、会议的音视频，连“字段”都没有。它们又散落在分歧的数据库里：甲骨文、SQL Server，加上达梦、人大金仓、GaussDB；由分歧厂商、分歧部门各自建设，各有一套字段、一套编码、一套口径。因而统一个“人”，在公安是一个编号，在民政又是另一个；统一个“企业”，市场监管认统一社会信誉代码，税务何处却又是另一串数字。数据孤岛不是墙围出来的，是口径吩扃一点点长出来的。更麻烦的是质量：缺失、沉复、过期、一数多源、源多不一，谁也不敢说自己手上那份是否正确。业务部门想跨部门核验一件事，往往要发函、要调库、要对表，等数据对齐了，处事人民的耐心也耗尽了。
面对这种局面，数据是各单元的家底，谁也不会为了一朵云的整齐而把自己多年的堆集推倒沉建。我们能做的，是给这些各别的数据搭桥。
一是“全量汇聚”。把分散在各委办局、各数据库、各类体式的数据汇聚起来。结构化、半结构化、非结构化一并接；数据库、文件、接口、新闻队列一并通；实时流与离线批量并进——高频事项走实时同步，汗青存量走离线归集。这一层最考验的不是技术，是耐心：一家一家对接，一类一类适配，把每条“数据毛细血管”都接到主干上来。我们常对团队讲，汇聚不能指望一步到位，今天多接一个库、多通一类体式，明天数据底座就厚一寸。
二是“全面治理”。聚起来只是原料，还得有端正。建统一的数据目录，让每一份数据都佑装身份证”；建统一的尺度与编码，把 A 部门的“挠妆和 B 部门的“1”对到一路；建元数据治理，理清数据从哪来、到哪去、被谁用；再叠加质量规定与安全分级，该洗濯的洗濯，该脱敏的脱敏，授权分级也要管起来。治理不是把数据改成一个样子，而是让它们在尺度之下各归其位。这一步最不出成就，却决定了后两步的上限——尺度立不住，聚得再多也是一笔乱账；目录建不实，用得越广越容易犯错。
三是“全面利用”。治好了不蹬宗用得上。我们用“湖仓一体”把数据湖的矫捷与数据仓库的严谨合到一处：原始数据先进湖，洗濯建模后再入仓；再用数据服务化的方式，把了局封装成统一的 API 与数据服务，供共享互换、供各部门按需挪用。使用者不用关切它原来在哪张表、哪个库、什么体式，只调一个服务，拿到一份可信的数据。
这三步——聚、治、用，正对应数据治理的三个作为：先纳进来，再抹平差距，最后调得动。我们越来越明显，数据治理的价值，从来不是把数据堆得更多，而是让正本各说各话的数据“说统一种说话”。当公安、民政、人社、市场监管的数据能在一个口径下对话，一次次“证明我是我”的折腾，才真正有了被解除的可能；一网通办、跨省通办，也才有了一致的凭据。
认知：数据的差距并不成怕，可怕的是我们总想用一套体式去扑灭它。真正的数据治理，是认可差距、成立尺度、搭好桥梁，让异构的数据在统一个语义世界里各说其话、却又彼此听懂。数据治理在这里的最高状态，是“统一说话”，不是“统一数据”这也是形成高质量数据集的唯一蹊径。
打印
关关
鄂公网安备42018502000655号
