元数据治理：解决用数难、用数烦的困境
“ 大数据时代的到来，让越来越多的企业将数据视为企业的重要资产。如何提升数据价值是每个企业当下面临的一个难题。”
元数据，应该是做数据治理的同学们最熟悉的内容了，但其他小伙伴可能并不那么了解。今天分享一下元数据相关的内容。
01—什么是元数据
首先，什么是元数据呢？
举个例子，比如我们去图书馆借书。面对图书馆茫茫多的书籍，你怎么找呢？最便捷的方法就是去图书馆系统上，按照作者、书名，或者出版社等等信息，查询一下，然后找出这本书的存放位置 。
这些书我们就可以理解为是我们的数据，而图书管理系统上提供的这些作者、书名、出版社等信息就是我们的元数据。
正式点的定义：
元数据，其实是“用来描述数据的数据”，简单来说就是反映了数据的交易、事件、对象和关系。
另外，顺带补充一下什么是数据。大家通常理解的数据主要是狭义上的数据，都是数字、数值。但广义上，其实含义更丰富一些：
02—元数据的类型
从具体的数据类型上，可以细分为模型元数据、生产元数据、实时元数据、指标元数据、标签元数据、维度元数据、API元数据等。
概念看似很抽象，其实我们之前也有所接触。
和之前分享的最主要的差别在于，之前的系统更多的是从业务角度出发，元数据治理更多的从数据角度出发。所以两者其实是可以从某个程度上达到统一。
以上的几个元数据类型，可以再提炼成几个大类：
技术元数据：一般包括物理数据库的表和字段，数据库的 ETL（抽取、转换和装载作业信息等。
业务元数据：一般包括报表指标的定义说明、业务规则、数据标准等。
管理元数据：也叫操作元数据，包括审计结果、错误日志、调度异常日志等。
03—元数据治理的意义
元数据的治理，有什么价值与意义？
其实从上面举的例子中就能想到一二。有了图书的管理系统，找书的效率大大提升了，对不？也做了更好的图书管理，对不？所以，元数据治理的重要价值，主要有以下几点：
（1）解决用数难的问题
作为经常数据打交道的人，下面的场景应该不陌生：
总结起来，主要有这么几个难题：
不知道有什么数据
不知道数据到底在哪
不知道数据应该如何使用
通过实施元数据的治理，可以很好解决以上问题
（2）提升数据价值
关于数据资产、数据治理、元数据治理有以下的关系：
大数据时代的到来，让越来越多的企业看到了数据的价值，将数据视为企业的重要资产，已经成为业界的一种共识。如何提升数据价值是每个企业当下面临的一个难题。
想要真正发挥数据资产的价值，就必须要对这些数据进行管理。而数据治理正是实现这一目标的一种手段。
数据治理中，元数据的治理是我们数据治理中最重要的一环，通过解决“用数难的问题，达到提升数据价值的目的。
04—如何进行元数据的治理
如何进行元数据的治理呢？
（1）元数据成熟度模型
下图是随着业务的发展，元数据管理的分阶段情况：
初始状态（L0）：元数据分散于日常的业务和职能管理中，由某个人或某一组人员在局部产生或获取，并在局部使用，其他人如果想获得该元数据需要找到相应的人进行沟通获取。
从属业务系统（L1）：在这个阶段，随着各个业务系统自动化构建完成，相应的元数据也随着需求整理、设计、开发、实施和维护等过程被各个业务系统孤立的全部或部分管理起来
元数据统一存储（L2）：中央存储库的构建，使得元数据在整个企业层面可被感知和搜索，极大地方便了企业获取和查找元数据。
元数据集中管理（L3）：在 L2 的基础上做了改进，增强了元数据的集中控制，局部业务单元或开发小组如不事先通知其他人，将无法对元数据进行修改。
元模型驱动管理（L4）：在 L3 的基础上，通过构建元模型以及元元模型，优化各业务单元之间的各种冲突和各种副本，创建、管理和共享业务词汇表和分类系统（基于主题领域的层次结构）。
元数据管理自动化（L5）：元数据管理实现高度自动化， 当逻辑层次元数据变更时，会被传播到物理层次，同样物理层次变更时逻辑层次将被更新。
（2）DAMA 国际的标准方法
按照DAMA国际标准的方法，可以将治理过程分为以下十个步骤：
（3）从元数据应用角度切入
从应用的角度出发，可以参考以下过程：
关于元数据的内容先分享这些，其他数据治理的内容，敬请关注
-END-
