大資料治理不是人人都會（一）

1 真的難嗎

1.1 what is big data governace

大資料治理區別於業務系統，它本身不是應用軟體，沒有具體的場景、頁面、功能，而是對已有業務系統中資料價值的挖掘。因此，大資料治理的前提是要有資料，並且資料量多、資料種類或形式多樣化、資料內容不斷變化。而資料治理的本質，就是將原本存在於各個業務系統中雜亂資料變現的過程。

1.2 big data vs. data warehouse

雖然，資料倉儲的概念早於大資料，並且，挖掘資料的價值不一定非要使用資料倉儲。但是，在雲平台興起的當下，基於雲計算，利用資料倉儲的思想和技術來解決大資料治理問題，是大勢所趨。下面，我舉個例子。

區域醫療資料治理的場景中，資料的**有：市級醫院業務資料、基層醫療公共衛生資料、母子健康系統、人口死亡系統、智慧型生命通道系統、執行監管系統等等。資料量非常大、資料**和種類樣數極多、並且時刻都在變化。

這些資料治理好之後，需要支撐的應用系統有：患者主索引、健康檔案、處方點評、drg、病歷質檢等。會產生巨大的價值。

模擬於礦變鐵的過程，同乙個人的檢查資料（例如測血壓），可能存在於各個醫院的不同廠商的資訊化系統中，面臨表結構不同、資料單位不同、碼表不同的各種問題，需要進行統一的標準化；

模擬於把鋼鐵軋成不同型號鋼胚的過程，雖然資料經過了標準化，但相同含義的資料還存在於不同的表中，資料仍是雜亂無章的。為了方便資料的取用，根據業務特點設計涵蓋所有資料的模型，把標準化後的資料注入模型，形成資料明細層。至此，雜亂無章的資料變成了統一的、完整的、規範的，可以方便取用的模型化資料。

模擬於把鋼胚鍛造為不同行業需要的標準零件，如果業務場景非常複雜，需要把模型化的資料按不同應用場景主題化。資料主題化的過程中，雖然會產生冗餘，但由於是針對具體應用場景開發，資料會像標準零件一樣，可以直接使用。

模擬於乙個鋼鐵作品的最終產生，使用模型化或主題化資料，開發資料應用，最終產生資料集市，形成價值。

利用數倉技術進行資料治理的過程，可以模擬於鋼鐵產品的製造工藝，通過標準的工藝，方便資料的取用，不僅能夠提高開發效率，還可以減少重複計算，節省計算成本。

看到這裡，大資料治理的邏輯清晰，技術成熟，好像也沒什麼太深奧的。但真的只是這樣嗎？

to be continued…