虽然我们正在运维的数字化工作空间中协同运作,但我们需要正视的是我们对运维数
据的认识及应用还处于皮毛,虽有理念但缺乏必要的、可执行的方法。随着运维数据平台
的建设,将极有可能出现当前大数据领域出现的数据孤岛、数据不可用、数据质量不高、
融合应用难、有数据不会用等诸多问题。上述问题,在当前运维领域资源投入不足显得尤
其重要。如何借鉴大数据领域数据治理的经验,反思运维数据平台建设应该关注的问题,
减少不必要的坑,做好运维数据治理,让运维数据更好用,用得更好,完善运维数字化工
作空间,是本文的目的。
从 1997 年“大数据”概念从 NASA 武器研究中心第一次提出,到 2001 年 gartner 提出
大数据模型,到 2004 年 google 推出的大数据技术论文,到接下来大数据、人工智能、云
计算等技术的广泛应用,再到今天数字时代,企业已逐渐了解数据所蕴含的价值,对数据
的重视程度越来越高,投入大量资源进行大数据研发与应用。但我们必须承认,国内很多
金融企业在大数据技术应用前并不是很重视数据治理,出现像投入大量资源建设大数据平
台,但用的时候又发现报表不准、数据质量不高,导致项目没有达到预期效果的普遍性问
题。上述问题促进企业反思,发现在数据从采集、存储、计算、使用过程中,少了数据管
理的步骤,即数据治理缺失。今天,数据治理已经被企业广泛认可为必要的基础性工作,
以下整理一下数据治理所要解决的痛点:
首先,信息孤岛,有数不能用。数据孤岛可能存在掌握数据的人主观上不愿意共享,
也有客观上担心数据共享存在敏感性问题,或数据与数据关联性不够导致不能有效连接。
第二,数据质量不高,有数不好用。没有统一的数据标准导致数据难以集成和统一,
没有质量控制导致海量数据因质量过低而难以被利用,没有能有效管理整个大数据平台的
管理流程。
第三,数据不可知,有数不会用。不知道数据平台中有哪些数据,也不知道这些数据
和业务的关系是什么,不知道平台中有没有能解决自己所面临业务问题的关键数据。
第四,数据服务不够,有数据不可取。用户即使知道自己业务所需要的是哪些数据,
也不能便捷自助地拿到数据,相反,获取数据需要很长的开发过程,导致业务分析的需求
难以被快速满足,而在数字时代,业务追求的是针对某个业务问题的快速分析。
评论0
最新资源