一、解决方案简介

1.数据治理背景

随着数字化转型进程不断加快，新技术、新业务的不断涌现，金融运维数据类型也越来越多，使用数据的场景也越来越丰富。然而在使用数据时，总是面临无数据可用、有数据不可用等情况。擎创金融运维大数据治理解决方案，就是在金融数字化转型的大背景下，依托智能大数据处理和分析能力，通过建立数据治理体系、建设数据治理平台、提供数据应用价值，从而为客户提供更有效、更高效的数据管理手段和治理方法。

2.解决方案目标

该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核心目标，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。

3.解决方案整体思路

擎创金融运维大数据治理解决方案，主要通过协助银行客户建立运维数据治理体系、建设数据治理平台、输出丰富数据价值，三个关键步骤实现运维数据的治理。

3.1 建立运维数据治理体系

建立运维数据治理体系首先要协助客户建设一套完整的数据治理规范，规范内容主要包括：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。

3.1.1 数据治理管理组织与制度的建立

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。数据治理团队由两部分组成，分别为管理方、参与方。同时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。

3.1.2 数据标准化的规范

数据标准化管理是数据治理基础、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。

数据标准化管理规范主要内容包括：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。

3.1.3 数据治理过程的规范

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。

3.2 建设数据治理平台

数据治理过程中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。

3.2.1 数据治理平台功能架构

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。

3.2.2 数据治理平台核心能力

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：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。

3.2.3数据治理平台主要能力

数据治理中心-数据集成能力

平台支持多样异构数据接入能力，包括全平台支持、多采集源、配置图形化、自研采集器，多级资源可控，低资源消耗等。

数据治理中心-元数据管理能力

平台具备以元数据为核心的运维数据治理能力，主要包括：数据目录、数据模型、数据生命周期、指标中心等功能。

数据治理中心-数据处理能力

数据治理平台的数据中台具备高效编排复杂解析任务的处理能力。处理能力特性包括：在线任务编排、在线任务调试、在线发布。

数据治理中心-数据质量管控能力

平台具备流式数据质量监控能力，实时监控和离线跑批结合，及时且全面的发现数据的质量问题，提升数据资产的质量。

数据治理中心-辅助运营决策分析工具

平台的轻量级可视化运营决策中心，提供了从数据采集、数据处理、数据分析、数据协作于一体的完整解决方案，为企业降低大数据能力建设的门槛，大幅提升大数据应用效率。

3.3 数据价值输出

运维数据治理的终目标是让运维数据更好用，且用得更好。平台通过数据服务中心、应用中心实现数据价值的对外服务。

数据服务中心

平台数据服务中心通过数据服务目录和数据对外订阅实现消费方对指定数据的订阅和消费。

数据应用中心

数据应用中心主要实现数据服务场景的管理，包括：场景定制、场景分类、场景发布、场景访问等。数据服务场景整体上可以归纳为数据治理、运维分析、运维决策三类场景。

平台对于协助客户实现数据治理的重要价值：

1.通过平台实现数据管理的标准化、规范化。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。

二、应用场景痛点简介

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。

数据治理解决方案主要为金融客户解决如下痛点：

1.数据孤岛、数据烟囱

数据孤岛可能是人为主观不共享、客观数据安全和敏感性等问题，导致数据间关联性不够无法有效连接。

2.数据不可知且不会用

常见数据使用问题包括，都有哪些数据?数据与业务间的关系?是否有解决问题的关键数据？

3.数据质量低，不好用不想用

无数据质量管理标准和管控手段，数据各管各的，低质量数据难以利用，数据价值被埋没。

4.数据服务能力薄弱

数据消费场景明确，却拿不到数据，数据获取成本高，需求难以被快速满足。

5.数据标准化程度低

运维数据格式多，管理各自为战，无统一数据标准，跨部门数据应用成本非常高。

三、解决方案亮点介绍

结合以上运维数据治理所面临和需要解决的痛点和问题，需要建设一套完整的数据治理解决方案，让数据用起来，应用场景丰富起来，应用成本降下来。

本解决方案在以下方面突出数据治理的亮点能力：

1.数据治理，制度先行

协助客户建立数据治理组织与制度，在数据治理过程中，所有问题都有人负责、有制度可约束、有流程可依、有原则可守。 

2.拆烟囱、连孤岛、数据标准化

通过平台治理能力对数据实现统一纳管和应用。协助客户建立统一指标体系实现数据标准化，为数据服务和应用奠定坚实基础。

3.质量管控闭环，服务之基石

高质量的数据才具备可信性，客户才能用的放心。平台对数据质量进行多维度监测、跟踪、优化，保证数据质量达到可信可用的标准。

4.场景驱动，服务至上

以终为始，数据治理的目标是让数据更好用，而且让数据用得更好。通过该方案的数据治理解决能力，不断丰富和创新数据服务和应用场景，从而大化发挥数据价值。

四、金融行业客户名单

华夏银行、交通银行等。

五、客户评价

通过该方案的规划及治理平台建设，结合我行的数据治理现状，在擎创侧配合下完成了行内运维大数据级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。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。

其价值在于实现了行内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。