大数据治理——为业务提供持续的、可度量的价值 1 概述 2 大数据治理系列 2 第一部分：大数据治理统一流程模型概述和明确元数据管理策略 2 第二部分：元数据集成体系结构 15 第三部分：实施元数据管理 25 第四部分：大数据治理统一流程参考模型的第四步到第九步 36 第五部分：定义度量值和主数据监管 53 第六部分：大数据监管和信息单一视图监管 67 第七部分：分析监管、安全与隐私管理和信息生命周期监管 80

大数据治理的核心是为业务提供持续的、可度量的价值。大数据治理人员需要定期与企业高层管理人员进行沟通，保证大数据治理计划可以持续获得支持和帮助。相信随着时间的推移，大数据将成为主流，企业可以从海量的数据中获得更多的价值，而大数据治理的范围和严格程度也将逐步上升。为了更好地帮助企业进行大数据治理，笔者在 IBM 数据治理统一流程模型基础上结合在电信、金融、政府等行业进行大数据治理的经验，整理了大数据治理统一流程参考模型，整个参考模型分为必选步骤和可选步骤两部分。

（狭义）大数据是指无法使用传统流程或工具在合理的时间和成本内处理或分析的信息，这些信息将用来帮助企业更智慧地经营和决策。而广义的大数据更是指企业需要处理的海量数据，包括传统数据以及狭义的大数据。（广义）大数据可以分为五个类型：Web和社交媒体数据、机器对机器（M2M）数据、海量交易数据、生物计量学数据和人工生成的数据。Web和社交媒体数据：比如各种微博、博客、社交网站、购物网站中的数据和内容。M2M数据：也就是机器对机器的数据，比如RFID数据、GPS数据、智能仪表、监控记录数据以及其他各种传感

（狭义）大数据是指无法使用传统流程或工具在合理的时间和成本内处理或分析的信息，这些信息将用来帮助企业更智慧地经营和决策。而广义的大数据更是指企业需要处理的海量数据，包括传统数据以及狭义的大数据。（广义）大数据可以分为五个类型：Web 和社交媒体数据、机器对机器（M2M）数据、海量交易数据、生物计量学数据和人工生成的数据。Web和社交媒体数据：比如各种微博、博客、社交网站、购物网站中的数据和内容。 M2M数据：也就是机器对机器的数据，比如RFID数据、GPS数据、智能仪