|0x00 數(shù)據(jù)治理的思路

數(shù)據(jù)治理是互聯(lián)網(wǎng)公司中破加，普遍遇到的痛點(diǎn)揪利，不論是作為業(yè)務(wù)支持的“數(shù)據(jù)倉(cāng)庫(kù)”部門端幼，還是承擔(dān)輔助角色的“數(shù)據(jù)分析”部門幸斥，天天被人追著問(wèn)：“我們有什么數(shù)據(jù)？這數(shù)據(jù)對(duì)嗎俊庇？為什么還沒(méi)跑出來(lái)狮暑？你到底能不能做？”

當(dāng)矛盾對(duì)噴到“忍無(wú)可忍”時(shí)暇赤，數(shù)據(jù)治理工程便提上了“臺(tái)面”心例，因?yàn)殚_(kāi)發(fā)沒(méi)了服務(wù)對(duì)象等于丟了飯碗，而業(yè)務(wù)脫離數(shù)據(jù)在互聯(lián)網(wǎng)時(shí)代又等同于“裸奔”鞋囊，雙方打的難解難分止后。

但其實(shí)數(shù)據(jù)治理是一項(xiàng)比較大的工程，在實(shí)際工作中，我們需要縮小范圍译株，“把好鋼用在刀刃上”瓜喇。因此，個(gè)人傾向于如下的概念歉糜，即：數(shù)據(jù)治理 = 數(shù)據(jù)質(zhì)量治理 + 數(shù)據(jù)資產(chǎn)治理乘寒。所謂的治理，是站在數(shù)據(jù)從生產(chǎn)到最終消費(fèi)的全鏈路視角上匪补，利用平臺(tái)技術(shù)提升所帶來(lái)的紅利伞辛，以從研發(fā)視角出發(fā)所推動(dòng)的運(yùn)營(yíng)工作為錨點(diǎn)，讓數(shù)據(jù)的治理變得“可持續(xù)”夯缺，并且提升研發(fā)同學(xué)的“幸福感”蚤氏。

因此，我們有三種解決問(wèn)題的思路：

第一種是從全局角度出發(fā)踊兜，由部門制定相應(yīng)的規(guī)范竿滨、標(biāo)準(zhǔn)、執(zhí)行策略捏境，在日常的研發(fā)工作中于游，將治理的任務(wù)放在最高的位置上。這樣做雖然會(huì)最有成效垫言，但落地成本也會(huì)非常大贰剥，成果的產(chǎn)出周期也很長(zhǎng)。

第二種是現(xiàn)有問(wèn)題出發(fā)骏掀，即發(fā)現(xiàn)局部的問(wèn)題鸠澈，就解決這些問(wèn)題柱告，有明確的執(zhí)行方法和結(jié)果數(shù)據(jù)來(lái)衡量截驮。

第三種是面向危機(jī)改動(dòng)，當(dāng)團(tuán)隊(duì)業(yè)務(wù)線非常分散际度、同時(shí)需求壓力有很大時(shí)葵袭，往往難以推動(dòng)一些內(nèi)部治理工作的開(kāi)展，這時(shí)候只能遇到問(wèn)題乖菱、再解決問(wèn)題坡锡，用危機(jī)來(lái)反推工作的落實(shí)。

以上三種是面對(duì)問(wèn)題的態(tài)度窒所，接下來(lái)討論面對(duì)問(wèn)題的方法鹉勒，即數(shù)據(jù)質(zhì)量與數(shù)據(jù)資產(chǎn)治理的思路。

|0x01 數(shù)據(jù)質(zhì)量的治理

有道是：“數(shù)據(jù)質(zhì)量是開(kāi)發(fā)同學(xué)的紅線吵取，是一定要恪守的原則”禽额。如果交付的數(shù)據(jù)是存在問(wèn)題的，那么得出的結(jié)論往往也就是錯(cuò)誤的。

如果用簡(jiǎn)潔的語(yǔ)言來(lái)概括脯倒，那么就是及時(shí)实辑、準(zhǔn)確與一致。

及時(shí)性藻丢，是數(shù)據(jù)研發(fā)的第一道“紅線”剪撬。通常情況下，我們會(huì)設(shè)置相應(yīng)的基線悠反，由每天值班的研發(fā)來(lái)觀察和保障運(yùn)行情況残黑，數(shù)據(jù)任務(wù)一旦報(bào)錯(cuò)，則通知相應(yīng)負(fù)責(zé)人處理斋否，或執(zhí)行降級(jí)運(yùn)行策略萍摊。如果上游數(shù)據(jù)產(chǎn)出存在問(wèn)題，也能夠收集相應(yīng)的問(wèn)題清單如叼，與上游共同解決冰木。這是一條基本的執(zhí)行策略，通常配置任務(wù)和安排值班也不會(huì)特別費(fèi)事笼恰，因此也是最容易解決的問(wèn)題踊沸。

準(zhǔn)確性，是數(shù)據(jù)研發(fā)的第二道“紅線”社证，大體上可以總結(jié)為兩個(gè)特點(diǎn)逼龟，即數(shù)據(jù)的準(zhǔn)確性測(cè)試、以及數(shù)據(jù)的準(zhǔn)確性監(jiān)控追葡。關(guān)于數(shù)據(jù)的準(zhǔn)確開(kāi)發(fā)腺律、運(yùn)維，上一篇文章已經(jīng)給出來(lái)了詳細(xì)論述宜肉。

一致性匀钧，是數(shù)據(jù)研發(fā)的第三道“紅線”，大致可以理解為谬返，提供給下游使用的數(shù)據(jù)之斯，要有統(tǒng)一的口徑和解釋。通常情況下遣铝，指標(biāo)是由分析師定義佑刷，但實(shí)際開(kāi)發(fā)中，業(yè)務(wù)酿炸、產(chǎn)品瘫絮、甚至是研發(fā)自己，也往往會(huì)定義一些指標(biāo)填硕，往往又會(huì)因?yàn)閿?shù)據(jù)范圍的不同麦萤，導(dǎo)致結(jié)果不一致。比如剔除某幾個(gè)商品，就會(huì)對(duì)整體GMV產(chǎn)生影響频鉴。因此栓辜，不論誰(shuí)來(lái)定義指標(biāo)，都要有完整的說(shuō)明文檔垛孔，否則就是“不承認(rèn)”的藕甩。其次，數(shù)據(jù)的結(jié)果一定要有驗(yàn)證的過(guò)程周荐，不論是分析師還是業(yè)務(wù)同學(xué)狭莱，人工的校驗(yàn)是必須要做的事情，至少能夠讓最熟悉數(shù)據(jù)的同學(xué)來(lái)驗(yàn)證數(shù)據(jù)概作。

通過(guò)上述三個(gè)角度腋妙，基本能夠覆蓋90%的問(wèn)題，剩下的10%通常是需要Case by case來(lái)看待和驗(yàn)證的讯榕。

|0x02 數(shù)據(jù)資產(chǎn)的治理

數(shù)據(jù)資產(chǎn)骤素，通常是指數(shù)據(jù)的存儲(chǔ)和計(jì)算資源的管理情況，以及維護(hù)現(xiàn)有的數(shù)據(jù)資產(chǎn)愚屁，包括我們有什么數(shù)據(jù)济竹、有什么指標(biāo)、能做怎樣的事情霎槐，避免各團(tuán)隊(duì)重復(fù)開(kāi)發(fā)的事情出現(xiàn)送浊。

數(shù)據(jù)的存儲(chǔ)和計(jì)算資源管理，往往是要與運(yùn)維團(tuán)隊(duì)配合丘跌，數(shù)據(jù)集群會(huì)給出一份賬單數(shù)據(jù)袭景，研發(fā)團(tuán)隊(duì)保障成本是可控的，如果預(yù)算超支較多闭树，則需要進(jìn)行治理耸棒。

關(guān)于數(shù)據(jù)存儲(chǔ)治理，通常指對(duì)數(shù)據(jù)表進(jìn)行下線蔼啦、縮減生命周期等操作榆纽。在實(shí)際開(kāi)發(fā)過(guò)程中，由于長(zhǎng)時(shí)間的項(xiàng)目積累捏肢，我們往往會(huì)發(fā)現(xiàn)很多不再使用的表仍在在運(yùn)行，或者是一些不怎么使用的數(shù)據(jù)饥侵，存儲(chǔ)的周期非常長(zhǎng)鸵赫，這都是要治理的重點(diǎn)對(duì)象。解決的方法也很簡(jiǎn)單躏升，一是開(kāi)發(fā)前的需求與模型評(píng)審辩棒，一個(gè)是監(jiān)控?cái)?shù)據(jù)表或者數(shù)據(jù)應(yīng)用的訪問(wèn)情況，對(duì)于低頻或者無(wú)訪問(wèn)的數(shù)據(jù)，則確認(rèn)必要性后一睁，進(jìn)行下線或者縮減生命周期的操作钻弄。

關(guān)于數(shù)據(jù)計(jì)算治理，則把重心集中在慢SQL的治理上者吁，檢查那些消耗資源多窘俺、或運(yùn)行時(shí)間長(zhǎng)的任務(wù)，如果存在數(shù)據(jù)傾斜則進(jìn)行優(yōu)化复凳，如果數(shù)據(jù)量確實(shí)大則考慮極限存儲(chǔ)或者進(jìn)行裁剪瘤泪，當(dāng)然最基礎(chǔ)的，如對(duì)表的暴力掃描這種不合理的臨時(shí)任務(wù)育八，也是需要及時(shí)發(fā)現(xiàn)和關(guān)閉的对途。

最后，我們需要整理數(shù)據(jù)的文檔髓棋，有能力的團(tuán)隊(duì)可以把握文檔開(kāi)發(fā)成一個(gè)錄入和查詢的平臺(tái)工具实檀。這個(gè)文檔或者工具，要解決諸如我們有什么數(shù)據(jù)按声、有什么指標(biāo)劲妙、能做怎樣的事情的問(wèn)題。

文檔要有如下的幾個(gè)基本要素：

其一儒喊，要有源系統(tǒng)的模型設(shè)計(jì)镣奋，明確業(yè)務(wù)過(guò)程有哪些、業(yè)務(wù)發(fā)生時(shí)的數(shù)據(jù)流向怀愧、數(shù)據(jù)之間的ER關(guān)系等信息侨颈；

其二，要有指標(biāo)字典芯义，指標(biāo)字典是非常重要的哈垢，一定要在需求溝通的過(guò)程中沉淀下來(lái)，當(dāng)我們回頭去看的時(shí)候扛拨，大量的時(shí)間在溝通指標(biāo)和維度的定義耘分；

其三，要有開(kāi)發(fā)和需求規(guī)范绑警，很多時(shí)候我們處于效率的考量求泰，會(huì)做很多“私下”的工作，但這些工作往往不在正式的列表中计盒，因此流程上還是要規(guī)范一些渴频，不要把有限時(shí)間放到無(wú)限的溝通中去。

|0xFF 治理工具的選擇

這里討論下我們需要的平臺(tái)技術(shù)應(yīng)該包括哪些北启。

其一卜朗，任務(wù)維護(hù)拔第，以DataWorks運(yùn)維中心為模板構(gòu)建，包括任務(wù)的運(yùn)行狀況維護(hù)场钉；

其二蚊俺，任務(wù)調(diào)度，類似DolphinScheduler提供的完整能力逛万；

其三泳猬，元數(shù)據(jù)管理，包括表的信息泣港、血緣信息暂殖、備注的業(yè)務(wù)信息等內(nèi)容；

其四当纱，資產(chǎn)可視呛每，包括表的數(shù)量、占用的存儲(chǔ)資源坡氯、每日任務(wù)消耗的計(jì)算資源等晨横，為治理提供依據(jù)；

其五箫柳，學(xué)習(xí)中心手形，包括開(kāi)發(fā)的規(guī)范、常見(jiàn)優(yōu)化技巧等方法的集合悯恍，提供實(shí)操的手冊(cè)库糠。