大数据治理

信息治理是在企业层面上对信息进行管理，以支撑企业目前及未来在监管、法务、风险、环境和运营方面的要求。信息治理包括一整套跨领域的结构、政策、程序、过程和控制手段。信息治理要在企业两个潜在冲突的目标（从信息中抽取价值和降低潜在的信息风险）间找到平衡点。信息治理涵盖信息安全、数据管理、风险控制、隐私、数据存储和归档、知识管理、商务运营和管理、审计、分析、企业架构、商务智能、数据科学和金融等领域。

大数据因其3V（量多、快速和多元）等特性，在给企业带来机遇的同时，也带来很多挑战。将信息治理手段运用到大数据管理上，企业需要对其进行适应性调整。例如，面对海量数据，企业要做出取舍：哪些数据具有足够价值，应该保存；哪些可有可无。一些企业现有数据存在不同的系统上，共享互通困难。许多企业的现有员工缺乏与大数据相关的技能和经验。为了应对这些挑战，企业应该理解大数据如何融入现有信息治理架构，量化大数据中的商业价值，将元数据和组织结构等信息治理理念运用到大数据上，并认可应运而生的大数据方面的科技人员，如数据科学家和Hadoop专家等。

国际著名IT企业如IBM非常重视信息治理以及大数据治理。大数据治理专家S.索尔斯（Sunil Soares）在IBM的信息治理理事会成熟度模型基础上提出了大数据治理成熟度模型。此模型从11个维度考察大数据治理成熟度。这11个维度是商业后果、组织结果和意识、大数据负责人、数据风险管理、政策、数据质量管理、信息周期管理、信息安全与隐私、数据架构、分类与元数据、审计信息日志和报告。