大数据治理

　　在不到两年时间中，大数据迅速成为热门词，但对其的解读，却见仁见智。数据科学家醉心于前沿的数据技术开发，经济学家关注大数据的产业价值，企业家期盼大数据的阳光照进日常的经营现实，法学家强调隐私保护……欣慰的是，拥抱大数据成为各方的共识，且思且行的大数据“淘金”之旅，已然启动。大数据的“淘金”之旅，需要脚踏实地的努力。大数据治理是连接大数据科学和应用的桥梁，若要到达风光无限的大数据彼岸，大数据治理一定是“必修课”之一。要实现大数据的变现，就离不开科学的大数据治理，离不开与时俱进的管理革新。因此，桑尼尔的《大数据治理》一书，可谓应运而生。中国联通研究院的匡斌先生将该书翻译成中文，相信对中国读者会有所助益。
　　大数据治理是传统信息治理的延续和扩展。它不可能与传统的信息治理切割，延续性既是保护历史投资的需要，也体现了信息治理准则的一脉相承。
　　不同类型数据的整合，结构化数据与非结构化数据、准结构化数据的整合，主数据与社交媒体等其他类型数据的整合，不同部门乃至不同行业数据的整合，都需要大量细致的工作。大数据治理涉及人员、流程和软件，大数据需要去伪存真，需要删繁就简，需要化大为小。
　　凡此种种，不胜枚举。
　　大数据治理的约束条件构成一个三层结构的金字塔，最底层无疑是特定的文化背景和规制环境。根深蒂固的隐私文化，动态演进的隐私规制，是发掘大数据价值面临的最大挑战。第二层则是技术。大数据技术是治理大数据的基础，前向兼容、后向扩展、简便易用的大数据平台和解决方案，自然语言处理、人脸识别等非结构化数据处理等技术，形成“物”的制约。第三层则是人的因素。大数据治理呼唤大批熟稔大数据技术的人才，也需要更多的大数据管理者和应用开发者，他们可以得心应手甚至出神入化地将技术、行业、流程、功能等进行整合。
　　说到底，大数据治理的核心是人。人既是大数据价值的追求者，又是大数据隐私的主体和捍卫者。就这个意义而言，人的因素是大数据治理的最大制约。人类历史上每一个技术发明与创造，均有“善”与“恶”两面，文明的进步就是发挥技术“善”的一面，治理控制“恶”的一面。
　　《大数据治理》一书以实用性为导向，通过教科书式的体例安排，对大数据治理进行了全方位的解构，并将大数据治理规程化。对于尚处于大数据战略起飞阶段的组织，本书是一本很好的大数据治理参考蓝本。作者举重若轻，以朴素无华的语言，微言大义的案例，为致力于大数据治理的实操者，奉献了一本有价值的通俗读物。
　　纵观当今的大数据技术、平台和解决方案，海外厂商仍占据了绝对主流地位。有关大数据的研究和著述，同样如此。
　　现阶段，“拿来主义”尤有必要。从大数据的体量看，中国在大数据领域的潜在地位，无异于中东地区在石油业的地位。相信在不远的将来，在大数据领域，中国将异军突起。
　　大数据的思想启蒙运动正在进行。从大数据治理起步，不断探索这个领域的产权、法律和交易等问题，才能成为进入大数据世界的先行者。
　　宽带资本董事长田溯宁2014年1月10日

　　桑尼尔·索雷斯，信息资产公司LLC的创始人和执行合伙人，LLC专注于帮助组织构建信息治理计划。曾任IBM的信息治理总监，合作客户遍布六大洲和众多行业。除本书外，桑尼尔著有《IBM数据治理统一流程》、《说服企业实施信息治理：行业和工作职能最佳实践》两书，前者被许多组织用作信息治理计划的蓝本，并被译成中文。&nbsp;<br>　　<br>　　匡斌，中国联通研究院信息室/编辑部副主任、博士，具有16年电信行业从业经验。专注于电信营销、电信规制、电信运营业新业态等领域的研究。

第一部分 开篇
第1章 大数据治理概述
第2章 大数据治理的框架
2.1 大数据类型
2.2 信息治理准则
2.3 大数据治理的产业和功能场景
第3章 成熟度评估
3.1 IBM信息治理委员会的成熟度模型
3.2 评估成熟度的示例问题
第4章 业务案例
4.1 通过大数据治理，提高运营实时性和旅客安全度
4.2 量化大数据治理对客户隐私的财务影响
4.3 通过治理大数据生命周期，降低IT成本
4.4 评估数据质量和主数据对大数据计划的影响
4.5 计算大数据质量的价值
第5章 路线图
5.1 路线图案例研究
第二部分 大数据治理准则
第6章 大数据治理的组织
6.1 绘制关键流程图并建立职责分配模型，以识别大数据治理中的利益攸关者
6.2 确定新角色和既有角色的适当组合
6.3 酌情任命大数据主管
6.4 在传统信息治理角色的基础上，酌情增加大数据责任
6.5 建立承担包括大数据在内的责任混合式信息治理组织
第7章 元数据
7.1 创建一个体现关键大数据术语的业务定义的词库
7.2 理解对ApacheHadoop中元数据的持续支持
7.3 对业务词库中的敏感大数据进行标记
7.4 从相关的大数据存储中输入技术元数据
7.5 将相关的数据源与业务词库中的术语进行链接
7.6 使用运营元数据监测大数据的流动
7.7 保留技术元数据，以支持数据血统和影响分析
7.8 从非结构化文件中采集元数据，支持企业搜索
7.9 扩展既有的元数据角色，将大数据纳入其中
第8章 大数据隐私
8.1 识别敏感的大数据
8.2 对元数据库中的敏感大数据进行标记
8.3 应对国家、州（省）层面的隐私立法和隐私限制
8.4 管理个人数据跨国界流动的情况
8.5 监控特权用户对敏感大数据的访问
第9章 大数据质量
9.1 与商业上的利益攸关者协作，建立并测度大数据质量的置信区间
9.2 利用准结构化和非结构化数据，提高人口稀疏的结构化数据的质量
9.3 使用流数据分析技术解决内存中的数据质量问题，无须将中间结果输入硬盘
9.4 任命对信息治理委员会负责的数据主管，由其负责提高测度的质量
第10章 业务流程整合
10.1 识别将会受到大数据治理影响的关键流程
10.2 建立关键活动的流程图
10.3 针对业务流程中的关键步骤，制定大数据治理政策
第11章 主数据整合
11.1 提高主数据的质量，以支持大数据分析
11.2 利用大数据提高主数据的质量
11.3 提高关键参考数据的质量和一致性，以支持大数据治理计划
11.4 审视社交媒体平台政策，以确定与主数据管理整合的程度
11.5 从非结构化文本中挖掘有用信息，以丰富主数据
第12章 管理大数据的生命周期
12.1 基于规制和业务要求，扩展保留时间表，将大数据包含其中
12.2 提供法律保留区，并支持电子证据展示（eDiscovery）
12.3 压缩大数据并将其存档，降低IT成本，提高应用绩效
12.4 管理实时流数据的生命周期
12.5 保留社交媒体记录，以符合规制要求，并支持电子证据展示
12.6 基于规制和业务要求，正当合理地处置不再需要的大数据
第三部分 大数据的类型
第13章 Web和社交媒体数据
13.1 在制定有关客户社交媒体数据的可接受使用的政策时，考虑不断变化的规制和习俗
13.2 制定有关雇员和求职者社交媒体数据的可接受使用的政策
13.3 利用置信区间评估社交媒体数据的质量
13.4 制定有关Cookies与其他Web跟踪装置的可接受使用的政策
13.5 在不侵犯隐私并遵从规制要求的基础上，定义连接在线和离线数据的政策
13.6 确保网络统计数据的一致性
第14章 机器对机器的数据
14.1 评估目前可用的地理位置数据
14.2 制定关于客户地理位置数据的可接受使用的政策
14.3 制定关于雇员地理位置数据的可接受使用的政策
14.4 保证RFID数据的隐私安全
14.5 制定与其他类型M2M数据的隐私相关的政策
14.6 处理元数据和M2M数据的质量问题
14.7 制定与M2M数据的保留期有关的政策
14.8 提高主数据的质量，以支持M2M计划
14.9 确保SCADA设施免遭网络攻击
第15章 大体量交易数据
第16章 生物计量学数据
16.1 评估与生物计量学数据的可接受使用相关的隐私含义
16.2 与法律顾问通力合作，确定演进中的规制对使用客户和雇员生物计量学数据的影响
第17章 人工生成的数据
17.1 制定屏蔽敏感的人工生成数据的政策
17.2 使用非结构化的人工生成数据，提高结构化数据的质量
17.3 管理人工生成数据的生命周期，降低成本并遵循规制要求
17.4 从非结构化的人工生成数据中获得洞察力，以丰富MDM
第四部分 行业视角
第18章 医疗保健机构
18.1 利用非结构化数据，提高人口稀疏的结构化数据的质量
18.2 提取从结构化数据中无法获得的更多临床因素
18.3 设定关键业务术语的一致性定义
18.4 确保跨科室的患者主数据的一致性
18.5 与美国HIPAA的规定一致，符合受保护的健康信息的隐私要求
18.6 创造性管理参考数据，以获得更多临床洞察
第19章 公用事业部门
19.1 复制仪表读数
19.2 主关键字的参照完整性
19.3 异常的仪表读数
19.4 客户地址的数据质量
19.5 信息生命周期管理
19.6 数据库监测
19.7 技术架构
第20章 通信服务提供商
20.1 大数据类型
20.2 将大数据与主数据进行整合
20.3 大数据隐私
20.4 大数据质量
20.5 大数据生命周期管理
第五部分 大数据技术
第21章 大数据的参考架构
21.1 大数据源
21.2 开源基础组件
21.3 Hadoop发行版
21.4 流数据分析
21.5 数据库
21.6 大数据整合
21.7 文本分析
21.8 大数据发现
21.9 大数据质量
21.10 大数据的元数据
21.11 信息政策管理
21.12 主数据管理
21.13 数据仓库与数据集市
21.14 大数据分析与报告
21.15 大数据安全与隐私
21.16 大数据生命周期管理
21.17 云
第22章 大数据平台
22.1 IBM
22.2 甲骨文
22.3 SAP
22.4 微软
22.5 HP
22.6 Informatica
22.7 SAS
22.8 Teradata
22.9 EMC
22.10 Amazon
22.11 谷歌
22.12 Pentaho
22.13 Talend
附录 缩略语列表
译者后记

　　大数据将打开各行各业的数据“潘多拉魔盒”。社交网站、电商巨头、电信运营商乃至金融、医疗、教育等行业，都将加入大数据的“淘金”热潮，政府部门同样会从大数据中获益匪浅。如何将海量数据应用于决策、营销和产品创新？如何利用大数据平台优化产品、流程和服务？如何利用大数据更科学地制定公共政策、实现社会治理？所有这一切，都离不开大数据治理。可以说，在大数据战略从顶层设计到底层实现的“落地”过程中，治理是基础，技术是承载，分析是手段，应用是目的。桑尼尔·索雷斯的《大数据治理》的翻译出版，正当其时。
　　《大数据治理》一书较好地满足了理解大数据治理框架的需要，系统地阐述了大数据治理的各个版块，分析了五大类大数据的治理，考察了大数据治理在典型行业的实践，并深入浅出地介绍了当今主流的大数据技术与平台。该书具有一定的可参照性、可操作性和可读性，是大数据治理领域值得一读的参考书。
　　

　　《大数据治理》是一个信息治理专家奉献的鸿篇巨制，作者以极其实用和通俗易懂的风格，倾心向读者解读大数据治理这一复杂主题。作为一家大公司的资深IT专家，我本人在面对数据窘境时，感觉不知所措。对数据领域的从业人员来说，面临的问题多过答案。我所在的组织是南非的主导电信运营商，我们拥有海量的电话详单、位置数据和社交媒体生成的数据。要明智地使用数据，就必须管理所有数据。《大数据治理》匠心独运，揭开了大数据的迷人景致，为我们应对大数据领域的挑战，提供了必要的智力成果。