略去大數據分析背景與價值部分，言簡意賅的介紹如何進行數據資產管理運營。
數據資產管理運營 = 數據資產盤點 + 數據治理 + 數據價值實現
管理和運營是一個全流程的事情，首先我們需要知道我們有哪些數據（盤點），轉化為能夠發揮價值的數據資產（治理），再實現數據應用層面的價值（價值實現），也就是最終要能指導業務產出價值。
數據資產盤點
1.數據源
內部源數據（業務數據，管理數據，IT方面的OA數據/系統監控數據）+ 外部數據（第三方數據，互聯網爬取的數據）
---------? 經過數據交換? ---------
ODS貼源層?：和源系統保持一致，可能會做一些數據標準化/數據清洗，如果源系統沒法改造的話，需要在這一步對數據進行標準化改造，確保到數倉層面是符合標準的。
數倉層面：按主題進行構建（比如產品，客戶，機構主題），加工（進行反范式，標準化等 ）
一般數倉分為貼源層、標準化層、匯總層、指標層、集市層（關于數據倉庫和數據集市在本篇不詳細展開介紹）
數據集市：針對具體應用，高并發數據查詢，把數倉層面加工完之后的數據導出到數據集市，便于進行小規模的應用
-----（上述結構化數據）+? -----
半結構化數據?（例如 日志文件）
非結構化數據?（例如 音頻視頻 郵件 （所以要引入 hadoop spark框架））? ?
--------- （構建成了）?=??--------
大數據平臺
2.數據分級分類
在完成了數據梳理，了解數據分布后，同時要明確保密和敏感數據的分布情況。
數據分類：依據數據的來源、內容和用途對數據進行分類。
數據分級：根據已分類的數據資產由業務部門根據數據的價值、敏感程度、影響范圍進行敏感分級，將分類的數據資產劃分公開、內部、敏感等不同的敏感級別。
3.數據認責
完成數據梳理與分級分類后，針對數據的歸屬權需要進行確認，有利于之后的權限梳理以及數據治理和運營。
4.數據權限梳理
主要涉及到訪問控制以及對于敏感信息的保護，例如身份證號手機號脫敏等等，此處需要結合數據分級分類與數據認責。
數據治理
1.元數據
在表中看到一個數據時，我們僅看到這個數據的值，但是對于這個數據的身份背景從哪里來到哪里去我們都一無所知，所以我們需要元數據。元數據指的是用來描述數據的數據。那我們需要描述哪些方面呢？
業務元數據：是描述數據的業務含義、業務規則等。起碼讓你知道這一項數據的含義是什么，是通過什么規則運算加工出來的，避免大家各自對數據發揮想象...自說自話。通常包括：業務定義、業務規則、業務指標等。
技術元數據：進行技術定義和描述是為了便于識別數據的存儲、傳輸和交換，常見的技術元數據包括：存儲位置、數據模型、字段長度、字段類型、ETL腳本、SQL腳本、接口程序等
管理元數據：描述了數據的管理屬性，包括管理部門、管理責任人等。內容主要包括：與元數據管理相關的組織、崗位、職責、流程、項目、版本等。
那有了這些元數據之后我們可以做什么呢？
了解數據來自哪里并經過了哪些加工（血緣分析），數據與其他數據之間的關系（關聯度分析），哪些數據是屬于企業的常用數據（冷熱度分析）等等。
2.數據標準
有了元數據之后，我們還需要制定相應的數據標準，來規范我們對于數據的使用。比如為了支持數據交互，我們需要對格式標準進行定義，為了避免混淆和歧義，需要對數據項名稱標準，數據項值的標準進行定義。元數據是數據標準的基礎，元數據需要有對應的數據標準。例如業務元數據（增長率），標準應該定義清楚是同比還是環比，例如技術元數據（字段類型），可能每一個數據庫制定的表的標準不一樣，男女就會出現male/female，1/0...這種情況，則需要我們需要按照一個統一的標準進行定義與輸入。
3.數據質量
數據標準則又服務于數據質量，我們進行數據治理的目的也是為了提高數據質量，從而提供更為精準的決策分析數據。數據標準的評價維度示例如下：
一般情況下產生數據質量問題的原因可能是錄入錯誤，需要通過報表核對查出來并進行整改，知道哪些部門的數據質量是怎樣的，代碼問題 采用了錯誤的邏輯判斷，數據缺失 數據在流轉過程中導入導出過程中，由于編碼規則不一樣導致的數據被丟棄，可以在每個流轉環節加入校驗機制。
4.主數據
主數據是企業系統間共享性高的數據，跨越各業務部門經常被使用，且相對穩定。常見的主數據有客戶、產品、機構人員等。
主數據具備3個主要特征有：
①高價值：主數據是所有業務處理都離不開的實體數據，與大數據相比價值密度非常高。
②高共享：主數據是跨部門、跨系統高度共享的數據。
③相對穩定：與交易數據相比主數據是相對穩定的，變化頻率較低。
這些特征同時也反映出來主數據通常存在數據入口眾多、重復錄入、信息不一致、填寫不規范、存在數據孤島等問題。因為主數據的上述特點，因此管理方式也會有些不同。
通常有3種管理形式：
1.以單獨系統進行管理，比如CRM系統就是客戶數據的主數據平臺，能夠保證數據在各個地方交互的時候都是一致的。
2.集中管控 集合客戶、產品、等所有主數據，構建主數據平臺進行統一維護。方式是通過數據同步機制，將其他各地方比如財務系統的主數據（客戶數據）同步到主數據平臺。
3.數倉層面? 建一個主題 比如客戶數據 再同步到源系統? 這種方式會比較麻煩。
5.數據安全
數據安全是貫穿數據使用全流程的，尤其在一些數據敏感度高的例如政府、軍事、銀行等機構，會對數據安全有較高的要求。
數據存儲安全：包括物理安全、系統安全存儲數據的安全，主要通過安全硬件的采購來保障數據存儲安全。
數據傳輸安全：包括數據的加密和數據網絡安全控制，主要通過專業加密軟件廠商進行規范設計和安裝。
數據使用安全：需要加強從業務系統層面進行控制，規范數據的訪問、下載、共享、銷毀等過程。
數據價值實現
現在數據已經整整齊齊準備好了，能夠通過什么服務實現價值呢？一般可以分為三種。
基礎數據服務：查詢、多維分析等，以SQL的方式來進行數據獲取和指標分析。支持簡單的條件查詢，數據化運營中的路徑分析、漏斗模型等等。
標簽畫像服務：通過使用標簽數據，進行客戶畫像、精準營銷等服務。像是關聯分析、RFM模型都是比較常用的模型。
算法模型服務：包括推薦系統、風險控制等，通過將算法模型部署為在線API。這一部分根據行業不同有不同的需求，如投研分析，文本語義分析，交通路線優化等不同場景下的應用。
以上就是關于數據管理的全流程，后續會將其中的單個重要模塊展開。
