什麼是資料治理？
資料治理指的是在資料生命週期中，從取得、擷取到 AI 資料分析和安全處置的基本管理原則。企業陸續轉用 AI 為主的架構，資料已成為推動創新的最寶貴資產。然而，唯有在資料具備可信度、易於探索且受到完善治理的條件下，才能發揮真正價值。現代資料治理機制可確保資料科學家和資料工程師能存取高品質資料，建構準確的模型和自主式代理。有效的資料治理機制，可讓組織更快將原始資料轉化為 AI 導向的行動，自動化資料生命週期，同時維持嚴格的安全性和法規遵循標準。
定義 AI 時代的資料治理
資料治理領域包羅萬象，目的是確保資料安全、不公開、準確、高度可用且易於使用，方便人類分析、訓練機器學習及建構代理。
治理是指設定內部標準，規範資料的收集和處理方式，確保資料「適合用於 AI」。其中包括定義誰可以存取機密資訊，並確保資料普及化不會導致安全風險或違反法規。
資料治理的好處有哪些？
加速取得 AI 驅動的洞察資訊
加速取得 AI 驅動的洞察資訊
從資料擷取到預測分析的流程自動化，協助您更快觸及客戶並提供服務。
改善成本控管成效
改善成本控管成效
統一資料架構，消除資料重複問題，減少對昂貴、非代管儲存空間的需求。
強化法規遵循
強化法規遵循
透過類別層級控管機制，管理機密資料，同時主動預測新法規。
落實資料普及
落實資料普及
透過 AI 輔助目錄，讓資料工程師和分析師能以自助方式存取受治理的資料。
即時管理風險
即時管理風險
運用即時資料處理功能，監控整個資料庫機群，防範未經授權的存取或安全漏洞。
資料治理雲端化
隨著雲端採用與無伺服器架構的加速發展，治理機制必須在不犧牲靈活性的前提下，提供透明度與掌控力。
- 自動中繼資料分類：Knowledge Catalog 是主要範例，這個 AI 輔助目錄可集中管理 Google Cloud 中所有資料和 AI 服務的業務、技術和作業中繼資料。
- 開放格式的互通性：Google Cloud Lakehouse 和 Knowledge Catalog 支援 Apache Iceberg 等開放資料表格式的整合式治理，讓 BigQuery 和 Spark 等不同引擎可使用相同的政策。
- 可擴充的存取控管機制：BigQuery 透過資料類別層級控管 (資料欄層級安全防護) 和自動化存取管理功能，提供可擴充的安全防護機制，滿足企業工作負載的嚴格需求。
資料治理的用途有哪些？
資料管理對於確保資料安全、可靠、不公開、高度可用，以及遵循內外資料政策來說不可或缺。資料治理允許設定和強制執行控管機制，藉此提供更好的資料存取方式，進而透過資料控管獲得安全性和隱私性。以下是一些常見的用途。
資料管家
資料管家
資料治理通常意味著將以下兩大面向的責任交給「資料監管人員」：資料本身和確保資料妥善使用的程序。
資料品質
資料品質
資料治理也會用於確保資料品質，這是指確保資料適用的任何活動或技術。資料品質通常可從六個維度判斷：準確性、完整性、一致性、及時性、有效性和唯一性。
資料管理
資料管理
這是一個廣泛的概念，涵蓋將資料當成企業資產進行管理的各個層面，從收集和儲存到使用和監督，都必須確保資料得到安全、高效和具成本效益的利用後，才進行資料處置。
相關產品和服務
Google Cloud 提供整合式平台，讓貴機構能實施符合 AI 時代需求的資料治理。
