大数据治理之我见_数据的安全[通俗易懂]

大数据理念从被炒火至今一直持续着热度，很多企业也开始抱着理性的态度去看待大数据分析，在笔者之前的文章中曾写道，大数据并不是适合所有企业，即使要做大数据分析，也要有一套正确的理念和落地方案，包括：意识行动、数据思维、结合自身等。本文主要假设企业已经具备数据思维、大数据意识等能力模型，并在此基础上进行大数据分析建设，针对信息化建设上的大数据实施前提、实施过程、方法等与大家交流分享。

1 相关理解

1.1 发展变化

提起大数据分析很多人都会与BI分析进行比较，两者皆可为企事业单位决策分析带来帮助，只不过侧重点与技术点不同。BI更多的是处理结构化数据，用于解决企业内部经营管理问题，通过数据对企业现在及过去的问题进行追溯，意在提升企业效率、降低不必要的成本。

大数据更多的处理结构化、半结构化、非结构化数据，采集、分析企业内外部、行业、产业等数据，通过数据之间的关联关系，帮助企业对未来经营决策分析、风险预警，意在解决、指导企业运营中未发生或已发生的问题，帮助企业开源节流。

1.2 关联关系

BI、DW、AI等是常伴随着大数据分析技术而被提到的一些技术名词，它们与大数据分析存在着一定的联系。大数据分析与BI商业智能一定程度上可以相互融合，BI中包含一些企业内部的数据分析，数据分析中有一种体现为BI商业智能，企业可根据不同发展阶段，使用不同方案。DW数仓作为各种数据表的载体，作为大数据分析的一部分，与大数据分析产品配合一同实现企业数据分析。

近几年，AI人工智能与大数据关注热度不相上下，这两者之间有紧密的关系，人工智能通常需要大量的数据来进行试验、推算，最终得出结果，数据越多获得的结果就越准确，大数据作为底层支撑是提供海量数据的最佳途径，利用大数据处理技术为人工智能提供算法所需的数据。

1.3 应用场景

虽然当下不是所有企业都适用于大数据技术，但不可否认大数据技术在一些行业中是有成效的，当前大数据技术被广泛应用于互联网、政府机构、金融行业等，这些行业无论在数据量上、分析资源上、资金上还是推进力度上，都具有先天优势，更容易实施运行。互联网行业大数据应用于电商类、社交类、网络检索类企业；政府类大数据应用于工商部门、气象部门、医疗卫生部门等；金融行业大数据应用于银行、信贷等业务。

对于能源、制造、零售、地产等行业来说，大数据主要用于发现企业各个业务环节问题、预测风险、精准营销、分析价格走势等，意在提高企业决策分析和风险管控能力。

2 前置条件

所谓大数据分析，顾名思义是对海量数据进行分析，多指行业、产业、国计民生、社交网络数据，即使面向内部，也需要具有大量的数据供分析，否则大数据分析对于企业来说只是伪命题。不排除很多巨型体量的企业具有充足的数据量，具备建设能力，但也需要了解必备的前置条件。

2.1 目标明确

面对大数据治理企业需要具有明确的目标，而不是盲目进行，首先需要了解大数据的真正含义及与企业当前发展阶段的匹配程度，之后明确企业现有信息化状况、业务流程、部门关系，梳理出如何做才能更好的支撑/构建大数据分析平台，并逐步推进，最后摆正对大数据的预期，理性、长远、全局的看待大数据所带来的成果。

2.2 数据来源

大数据分析是指对规模巨大的数据进行分析，在处理企业内部数据同时对外部数据进行采集、存储、分析。大数据分析的最终目的是为企业运营决策、风险管控带来支撑，分析平台首先需要围绕企业内部信息化系统中数据进行分析，所以在构建大数据分析平台前，企业需要有足够的信息化系统供于分析。

2.3 数据集成

很多企业认为大数据分析平台可以解决当前信息化建设一切问题，如在数据分析同时，有效整合现有系统、遗留系统、外部应用数据；可以有效降低企业信息化建设成本，提高员工办公效率等。事实上大数据分析是无法解决上述问题的，建设前企业需要先进行数据集成、应用集成等操作，消除企业系统内外部、尤其内部的信息系统孤岛。

2.4 数据质量

今天的文章大数据治理之我见_数据的安全[通俗易懂]分享到此就结束了，感谢您的阅读。