运营数据治理(金融大数据治理方案)

金融大数据治理方案

　　擎创科技在不断的智能运维实践探索中，认为想要达到理想的效果，做好运维数据治理是关键，这也是实现智能化运维的重要基石。　　在客户的实际项目中，我们总结出了一套解决方案，特向北京金融科技产业联盟开设的“今日案例”投稿，期望能够与各方相互学习、相互激励。现已发布在联盟的[金融科技产业资讯]公众号。　　关键字 ：「 数据治理、场景驱动、大数据中台、标准化、统一纳管」　　方案正文 /　　随着金融行业数字化转型加快，新技术和新业务不断涌现，金融运维数据的种类愈发繁冗复杂，数据的使用场景也愈发丰富。金融客户在数据使用过程中经常发现数据不准、数据质量不高、应用成本高等问题，导致数据使用效率低，数据价值无法得到有效体现。　　本方案目标主旨是以终为始，以客户数据应用场景为需求驱动，以数据治理为手段、以技术平台为支撑，以交付运维数据价值为最终结果，为客户实现增强业务连续性保障、提升软件交付效率、提高IT服务质量、辅助提升用户体验等提供专业、强大的数据治理保障能力。　　通过建立数据治理体系、打造一体化运维大数据平台，为客户实现增强业务连续性保障、提升软件交付效率、提高IT服务质量、辅助提升用户体验等提供专业、强大的数据治理保障能力。　　擎创金融运维大数据治理解决方案主要通过以下『几个关键步骤』实现运维数据的治理。　　一、建立运维数据治理体系。即协助客户建设一套完整的数据治理规范，其主要包括数据治理管理组织与制度的建立、数据标准化的规范、数据过程的规范三大部分。　　▲银行数据治理思维导图　　首先，协助客户成立专门的数据治理团队作为管理组织，设立数据治理规章制度与组织相关活动。数据治理团队由管理方和参与方两部分组成，需明确管理职责和范围，并定义数据治理的工作原则和数据管理流向等内容。　　其次，数据标准化管理是数据治理最基础、最核心的内容之一。通过协助客户建立数据标准化规范，统一定义数据的属性含义和业务规则，并明确组织层面对某个数据的共同理解与认知，此规范的主要内容包括数据标准化范围、数据分类与分层、元数据管理、主数据管理、指标体系的建立等。　　再次，在数据治理过程中，需要协助客户建立明确的流程制度并规定数据治理相关的工作流程，包括数据接入、数据管理、质量管控、问题反馈跟踪等工作机制，主要规范和管理的内容包括数据质量管理、数据安全管理、数据生命周期管理、数据服务管理等。　　二、建设数据治理平台。即除需要成立专业的数据治理团队、制定治理规范、建立流程制度外，还需要协助客户建设一套先进、稳定、开放的数据治理平台保障数据治理的效果。　　▲平台后台示意图　　首先，平台总体功能架构分为数据接入层、基础数据层、数据治理层、数据服务层、对外服务场景。从数据流程层面可分为数据接入、数据治理、数据服务三大主模块，运维数据在这三个模块逐层清晰。　　平台支持双中心部署架构，底层采集、计算、存储和上层应用均采用集群模式，数据库采用集群或主从模式，避免单点故障，实现高可用与负载均衡。　　其次，擎创数据治理平台作为技术工具平台，为数据治理提供技术支撑，解决数据的存、管、用。平台五大核心能力中心分别为数据治理中心、数据集成中心、数据服务中心、数据应用中心、平台管理中心　　擎创金融运维大数据治理解决方案成效显著　　1.通过平台实现数据管理的标准化、规范化，即统一采集纳管、统一指标规范、统一服务归口等，避免多源数据不统一导致的应用困难。　　2.通过平台实现场景需求统一归口、快速数据查询分析、快速场景定制和发布，从而降本增效，丰富且灵活的输出数据价值。　　3.通过平台对数据质量、安全、生命周期、集成、服务等核心管理能力，实现了数据管理的制度化和数据质量的监管闭环，保障了应用数据的可信性、可用性、可优化性。　　本方案结合了客户的数据治理现状，运用运维技术手段，完成了客户数据治理规范的定制和数据治理平台的建设，实现了主、元数据、数据安全、数据质量、数据生命周期、数据服务、数据应用等核心管理功能。　　目前已实现对业务交易、设备、系统、日志等多类运维数据的统一纳管和标准化，并通过数据服务中心、应用中心实现了多维数据应用场景的输出。　　同时，方案实现了客户多维运维数据的标准化，提供了对数据质量、安全、生命周期的统一管理手段等，提供了可快速输出数据应用和服务的能力，在运维数据应用价值的挖掘、降本增效、快速响应等方面均有较大提升。　　擎创科技，Gartner连续推荐的AIOps领域标杆供应商。公司致力于协助企业客户提升对运维数据的洞见能力，优化运维效率，充分体现科技运维对业务运营的影响力。　　行业龙头客户的共同选择