数据治理第3期|数据资产中心

摘要

明明，一位来自美团的资深产品人员，同时也是数据人联盟的创作者，分享了数据资产治理的策略和工具建设思路。他通过数据人学习平台（www.shujurenclub.com）讨论了数据治理的重要性，并以狭义的数据资产为主，重点关注了数据表、数据指标和报表。

问题分析

通过分析三种典型用户场景——数据开发工程师、业务侧数据分析师和数据管理人员的日常需求，明确了数据资产中心的用户需求和治理目标。目标包括保障数据资产元信息的完整性、规范性和一致性，以及降低资源成本，提高生产开发效率。

行业调研

通过对滴滴和腾讯的数据资产管理平台进行调研，发现两家公司都通过平台化手段进行数据资产治理，并关注元数据规范性、安全性和成本。滴滴的数据平台具有丰富的资产管理工具，而腾讯的特色在于数据资产价值评估体系。

产品架构

数据资产中心产品架构分为服务层、管理层和采集层，旨在满足数据分析师和数据管理者的需求，提供数据资产录入和维护功能，并通过统一模型定义和落库元信息。

产品设计

产品设计包括数据接入、数据地图、资产维护、资产治理和资产交接等模块。特别强调了数据接入模块的重要性，因其作为元信息中央数据库，负责提供统一的元信息收录采集标准。

未来展望

未来，数据资产中心可以深入到数据应用和服务领域，利用搜索和AI算法提供数据可视化、分析和预测服务，以提高数据分析效率。参考了国外产品如ThoughtSpot和Einstein Discovery。

致谢与预告

作者感谢滴滴、腾讯等公司提供的参考资料，并预告下期内容将讨论DQC和SLA工具的建设思路。