数据治理产品研发走过的弯路

数据治理有一些较为通用理论与模型，这个最开始做数据治理项目的时候并不是很清楚，所以走了不少的弯路。

一开始的需求都是以项目形式启动，例如做个数据脱敏项目，做了数据质量检查项目、做个数据流处理项目，都是围绕客户具体的需求加上一些领域知识做的，做出来的成品不具备通用性，都与客户的业务和数据绑定了。

时间做了多了，各个数据治理各个领域的点也都做的差不多了，这时候公司想向外部推一个组合的数据治理平台，才发现各个系统根本就结对不起来，并且大部分系统脱力了客户业务环境都是具有通用意义的。

这时候，数据治理的整体理论框架和模型就显得尤为突入了，如果一开始就理解了这些理论模型，在项目中就可以按照整体要求来实现局部功能。例如元数据与数据标准是有关系的，部分的数据标准就是从现有的元数据信息采集过来的。这样在做元数据管理时，在设计层面的一个任务就是，为整体的数据平台提供元数据服务，并且是脱力具体业务的。

理想状态下，完成多个项目后，用一根线就可以把珍珠穿起来。这也是模型的力量。