绑定完请刷新页面
取消
刷新

分享好友

×
取消 复制
浅谈数仓的数据治理
2022-05-20 17:27:11

作者:数据峰哥 编辑:数据社

全文共1387个字,建议3分阅读


大家好,我是峰哥~,今天跟大家聊聊数据治理的一些事情。

绝大数公司建立数仓之初是没有考虑好数据治理怎么做的,因为数据部门刚开始成立,必然要有一些“数据驱动”的成果,而数据治理不能很好的体现这些业绩。所以,都是在业务发展的过程中,逐渐遇到了一些数据问题,才考虑做这件事的。

 


01


如何开始数据治理?


首先从数据管理开始,在开始数据治理之前,我们要先梳理数仓的核心资产。从数据的采集到数据的加工,再到数据的应用(包括数仓报表数据、指标数据)。


那么对于业务数据源,我们要明确数仓中主要的数据源都来自哪些业务系统,哪些关键流程,明确关键来源数据的数据负责人,结合业务制定数据管理规范。

 


02


数仓数据治理的思路


数仓的数据治理可以从以下几个关键点入手:数据目录重新划分,提高模型复用度,ETL任务优化、数据质量监控。

数据目录划分:

很多数仓刚开始设计的时候是没有完整清晰的规划的,慢慢数据目录会变得混乱无序,找某个模型会变得很繁琐。那么,这时候一个好的目录设计,会帮助我们理清数仓的架构,快速的查找定位模型,比如是在哪个层、哪个业务域等。 这些都清晰的展示出来时,数据开发的效率就会有快速的提升了。


模型复用:

离线数仓一般团队都比较大,上次跟快手的一个朋友聊,他们离线数仓都有上百人。所以模型的复用一定要关注,,比如关注一些复用度较高的字段,可以放到中间层统一处理,也就是我们说的有个大宽表提供复用;比如复用较高的函数或者逻辑,我们开发统一的UDF函数,提高数据处理性能。


任务优化:

每当你申请资源时,领导都会问你要价值和用途,其实除了申请额外的资源,我们还可以优化现有的资源。因为在数仓开发过程中,大家的技术水平良莠不齐,对业务理解程度相差甚大,那么此时,每个人开发的ETL任务的质量必然不一样。所以,我们需要时常对任务的执行时和调用的资源进行监控,展开专项优化,比如降低输入数据量,大量distinct操作使用groupby替换等。当然,管理可以把任务执行效率作为一个考核项,对不达标的进行晾晒。


数据质量:

主要是数据重复、空值、数据异常等情况的监控,一定要配置规则校验。上次直播,我讲过,并不是任务执行成功就完事大吉了,有时候任务执行成功的代价更为惨重。比如,以前的一个项目,会给老板推送业务指标短信,所以对这个任务加了失败告警监控,但是没有对内容进行校验,导致因为业务的异常数据,引起后的指标异常,老板很生气,后果很严重。所以,我们还要考虑对于一些关键业务的数据指标监控,发现异常,及时终止下游任务,进行告警。当然,数据质量还有很多工作,之前的一篇文章也讲过,可以阅读《谈谈ETL中的数据质量

 


03


总结

 

总而言之,数仓数据治理的价值很难量化,所有很多数据团队不愿意去做,但是不做,会很“痒”。

如果,你开始做数仓治理了,那么就要做好长期作战的准备了,比如制定一些月度的资产管理相关的会议,进行回顾,定期对低效率任务进行优化,这都是需要一套管理机制的,而管理机制落地的好方式应该就是和绩效考核绑定了。




分享好友

分享这个小栈给你的朋友们,一起进步吧。

数据治理
创建时间:2020-06-15 14:35:35
数据治理(Data Governance)是组织中涉及数据使用的一整套管理行为。由企业数据治理部门发起并推行,关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。
展开
订阅须知

• 所有用户可根据关注领域订阅专区或所有专区

• 付费订阅:虚拟交易,一经交易不退款;若特殊情况,可3日内客服咨询

• 专区发布评论属默认订阅所评论专区(除付费小栈外)

技术专家

查看更多
  • 栈栈
    专家
戳我,来吐槽~