银行业务升级看血缘分析如何来助力

讲到数据治理，我们经常提到的一个词就是血缘分析，那么什么是血缘分析呢？一句话来说血缘分析是保证数据融合（聚合）的一个手段，通过血缘分析实现数据融合处理的可追溯。
有时被概念瞎蒙了，不知道到底如何追溯，落不了地。本人接触的数据治理项目还主要是将各个来源的数据进行整理融合，形成人地事物组织几个业务大类数据。

在现实世界中，我们每个个体都是祖先通过生育关系一代代孕育而来，这样就形成了我们人类的各种血缘关系。在数据信息时代，我们庞大的数据在每时每刻产生，这些数据又经过各种加工组合、转换，又会产生新的数据，这些数据之间就存在着天然的联系，我们把这些联系称为数据血缘关系。

大数据数据血缘是指数据产生的链路。直白点说，就是我们这个数据是怎么来的，经过了哪些过程和阶段。举个例子，比如在生产系统如淘宝网中，客户在淘宝网页中购买物品后，数据就被存到后台数据库表A中。当我们领导需要查看某个月卖的最火的是哪些物品时，我们需要对存入的这些数据进行加工汇总，形成一张新的表B来存储我们处理的数据，最后我们会根据B表进一步处理成我们前台展现使用的表C。那么A表是C表数据最初的来源，是C表数据的祖先。从A表数据到B表数据在到C表数据，我们认为这条链路就是C表的数据血缘。

在数据的处理过程中，从数据源头到最终的数据生成，每个环节都可能会导致我们出现数据质量的问题。比如我们数据源本身数据质量不高，在后续的处理环节中如果没有进行数据质量的检测和处理，那么这个数据信息最终流转到我们的目标表，它的数据质量也是不高的。也有可能在某个环节的数据处理中，我们对数据进行了一些不恰当的处理，导致后续环节的数据质量变得糟糕。因此，对于数据的血缘关系，我们要确保每个环节都要注意数据质量的检测和处理，那么我们后续数据才会有优良的基因，即有很高的数据质量。

如上图所示，在生成指标B的过程，输入表A进行了变更，如果通过血缘分析，了解到了A所影响的路径范围，那么完全不必要重新做一次所有计算任务，而只是把A到B之间影响到的节点重新加工即可。这样计算量可以大大缩减，而且提高任务的弹性时间，或许1小时内就能完成调整后的计算。

华宇智能数据拥有专业的数据治理能力框架以及数据治理统一流程、数据治理成熟度评估模型等方法论和项目经验支撑。从数据治理实施落地路径上来讲，应该是自下而上推进，梳理系统数据现状，明确数据存在的问题，制定具体数据标准规范统一数据统计口径，完成数据整合管理等等，推进优化业务应用设计和数据模型，进而推动业务数据架构不断创新，形成闭环。