6.3 数据治理和建模
一句话讲明白
数据治理就是给数据立规矩、编目录、查质量、建模型，让组织里每个人都知道"有什么数据、在哪、什么意思、能不能信"。
生活类比
治理一座图书馆：
- 元数据 = 图书卡片（书名、作者、出版社、位置、摘要）——关于书的信息，不是书本身。
- 数据标准化 = 统一编目规则（中图法分类号、ISBN、著者号），否则每家分馆各编各的，书就找不到了。
- 数据质量 = 书页有没有缺、内容有没有错、上架及不及时。
- 数据建模 = 先画"图书馆要收哪些门类的书"（概念模型），再定"书架怎么分格、卡片怎么排"（逻辑模型），最后落实到"几号房间第几排第几层"（物理模型）。
正经定义
数据治理是开展数据价值化活动的基础，关注对数字要素的管控能力，覆盖组织对数据相关活动的统筹、评估、指导和监督等工作，需要重点关注元数据、数据标准化、数据质量、数据模型和数据建模等方面。
拆解与流程
一、元数据：关于数据的数据
信息对象可以是单一全文、目录、图像、数值型数据、多媒体，也可以是资源集合及其生产加工使用管理过程。
元数据体系（层次由底到顶）：内容元数据（专门元数据、资源集合元数据）→ 管理元数据 → 服务元数据 → 元元数据（描述元数据的标记语言、格式语言、标识符、扩展机制、转换机制）。
五大作用：描述（数据用户之间的桥梁）、资源发现（像好的目录，帮用户快速检索确认资源）、组织管理数据资源（用元数据组织动态网页，可用软件工具自动析取）、互操作性（既被人也被机器理解，便于查找和转换）、归档和保存数据资源（跟踪来源、保护条件、保存历史）。
二、数据标准化：四阶段 + 四内容
主要内容：元数据标准化、数据元标准化、数据模式标准化、数据分类与编码标准化。
四个阶段：①确定数据需求（产生数据需求及相关的元数据、域值等文件）→ ②制定数据标准（现有标准不满足时建议新建/修改/封存，结果记录在数据字典中）→ ③批准数据标准（数据管理机构审查，一经批准将扩充或修改数据模型）→ ④实施数据标准（在各信息系统中实施和改进）。
三、数据质量
定义：在特定的业务环境下，数据满足业务运行、管理与决策的程度。衡量指标：完整性、规范性、一致性、准确性、唯一性、及时性。
- 描述：通过数据质量元素描述，分定量元素和非定量元素。
- 评价过程（5 步）：确定适用的数据质量定量元素及数据质量范围 → 确定数据质量度量方法 → 选择并使用数据质量评价方法 → 确定数据质量结果 → 决定一致性并报告（定量结果 / 通过或不通过）。
- 评价方法：直接评价法（与内部或外部参照信息如理论值对比）和间接评价法（利用数据相关信息如数据源、采集方法的描述来推断评估）。
- 质量控制：前期控制（数据录入前的质量控制、录入过程中的实时质量控制）+ 后期控制（录入完成后的后处理质量控制与评价）。
四、数据模型：三层（必背）
1）概念模型（也称信息模型）：按用户观点建模，不依赖于具体计算机系统，也不对应某个具体的 DBMS。基本元素：
| 元素 | 说明 |
|---|---|
| 实体 | 同类实例的抽象（学生实体、教师实体）；具体的是实例，抽象的是实体 |
| 属性 | 实体的特性（学号、姓名、职称） |
| 域 | 属性的取值范围（性别的域为{男, 女}），元素必须同数据类型 |
| 键 | 能唯一标识每个实例的一个或几个属性的组合 |
| 关联 | 实体间关系：一对一、一对多、多对多 |
2）逻辑模型：在概念模型基础上确定数据结构，主要有层次模型、网状模型、关系模型、面向对象模型、对象关系模型，其中关系模型是目前最主要的一种。对应关系：实体→关系；属性→属性；关联→关系外键（被参照关系的主键转化为参照关系的外键）；视图在概念模型中没有对应元素（按查询条件从现有关系或视图中抽取属性组合而成）。
完整性约束三类：实体完整性、参照完整性（关系模型必须满足）+ 用户定义的完整性（体现具体领域的语义约束）。
3）物理模型：在逻辑模型基础上考虑具体技术实现，真正实现数据在数据库中的存放。基本元素：表、字段、视图、索引、存储过程、触发器；包括确定表和列、定义外键、基于性能需求可能进行反规范化处理。
五、数据建模四步
数据需求分析（起点，采用数据流图作工具，强调数据流和处理过程）→ 概念模型设计（把现实需求抽象为信息世界结构，任务是确定实体和数据及其关联）→ 逻辑模型设计（把概念模型转换为关系模式，一个关系模式就是一张二维表）→ 物理模型设计（针对具体 DBMS，考虑命名、字段类型、编写存储过程与触发器）。
考试怎么考
- 题型：选择题高频；案例题可作为"数据治理问题"的答题素材。
- 教材原题：哪项不属于常见的数据质量评价过程 → C. 确定数据质量评价的第三方组织。
- 必背：元数据"关于数据的数据"及五大作用；标准化四阶段；质量六指标；模型三层及元素；完整性三类。
- 常见问法：
- "元元数据描述的是？" → 元数据本身（标记语言、格式语言、标识符、扩展机制等）
- "概念模型与具体 DBMS 的关系？" → 不依赖、不对应
- "关系模型中，实体转换为？" → 关系；"关联转换为？" → 外键
- "数据建模的起点是？" → 数据需求分析
- 陷阱词：把"物理模型"说成还包含实体和域（那是概念模型）；把"参照完整性"说成可选（它是必须满足的）。
易混辨析
| 对比 | 概念模型 | 逻辑模型 | 物理模型 |
|---|---|---|---|
| 视角 | 用户/业务 | 数据结构（DBMS 无关偏逻辑） | 具体 DBMS 实现 |
| 元素 | 实体、属性、域、键、关联 | 关系、属性、视图 | 表、字段、视图、索引、存储过程、触发器 |
| 稳定性 | 最抽象、最稳定 | 中 | 最容易因性能需求变化 |
| 对比 | 直接评价法 | 间接评价法 |
|---|---|---|
| 依据 | 与内部/外部参照信息（理论值）对比 | 利用数据的相关信息（数据源、采集方法描述）推断 |
一秒记忆
"治 理 四 件 事：元 数 据、标 准 化、质 量、模 型。建 模 三 层：概（念）逻（辑）物（理），实 体 变 关 系，关 联 变 外 键，视 图 概 念 里 没 有。"