?絕大數公司建立數倉之初是沒有考慮好數據治理怎么做的，因為數據部門剛開始成立，必然要有一些“數據驅動”的成果，而數據治理不能很好的體現這些業績。所以，都是在業務發展的過程中，逐漸遇到了一些數據問題，才考慮做這件事的。

1.如何開始數據治理？

首先從數據管理開始，在開始數據治理之前，我們要先梳理數倉的核心資產。從數據的采集到數據的加工，再到數據的應用（包括數倉報表數據、指標數據）。

那么對于業務數據源，我們要明確數倉中主要的數據源都來自哪些業務系統，哪些關鍵流程，明確關鍵來源數據的數據負責人，結合業務制定數據管理規范。

2.數倉數據治理的思路

數倉的數據治理可以從以下幾個關鍵點入手：數據目錄重新劃分，提高模型復用度，ETL任務優化、數據質量監控。

數據目錄劃分：

很多數倉剛開始設計的時候是沒有完整清晰的規劃的，慢慢數據目錄會變得混亂無序，找某個模型會變得很繁瑣。那么，這時候一個好的目錄設計，會幫助我們理清數倉的架構，快速的查找定位模型，比如是在哪個層、哪個業務域等。 這些都清晰的展示出來時，數據開發的效率就會有快速的提升了。

模型復用：

離線數倉一般團隊都比較大，上次跟快手的一個朋友聊，他們離線數倉都有上百人。所以模型的復用一定要關注，，比如關注一些復用度較高的字段，可以放到中間層統一處理，也就是我們說的有個大寬表提供復用；比如復用較高的函數或者邏輯，我們開發統一的UDF函數，提高數據處理性能。

任務優化：

每當你申請資源時，領導都會問你要價值和用途，其實除了申請額外的資源，我們還可以優化現有的資源。因為在數倉開發過程中，大家的技術水平良莠不齊，對業務理解程度相差甚大，那么此時，每個人開發的ETL任務的質量必然不一樣。所以，我們需要時常對任務的執行時長和調用的資源進行監控，展開專項優化，比如降低輸入數據量，大量distinct操作使用groupby替換等。當然，管理上可以把任務執行效率作為一個考核項，對不達標的進行晾曬。

數據質量：

主要是數據重復、空值、數據異常等情況的監控，一定要配置規則校驗。上次直播，我講過，并不是任務執行成功就完事大吉了，有時候任務執行成功的代價更為慘重。比如，以前的一個項目，會給老板推送業務指標短信，所以對這個任務加了失敗告警監控，但是沒有對內容進行校驗，導致因為業務的異常數據，引起最后的指標異常，老板很生氣，后果很嚴重。所以，我們還要考慮對于一些關鍵業務的數據指標監控，發現異常，及時終止下游任務，進行告警。當然，數據質量還有很多工作，之前的一篇文章也講過，可以閱讀《談談ETL中的數據質量》

3.總結

總而言之，數倉數據治理的價值很難量化，所以有很多數據團隊不愿意去做，但是不做，會很“癢”。

如果，你開始做數倉治理了，那么就要做好長期作戰的準備了，比如制定一些月度的資產管理相關的會議，進行回顧，定期對低效率任務進行優化，這都是需要一套管理機制的，而管理機制落地的最好方式應該就是和績效考核綁定了。?