精华内容
下载资源
问答
  • 数据治理涉及组织体系、标准体系、流程体系、评价体系、技术体系几方面的内容,主要包含:元数据管理、主数据管理、数据标准管理、数据质量管理、数据安全管理等内容。
  • 数据治理涉及组织体系、标准体系、流程体系、评价体系、技术体系几方面的内容,主要包含:元数据管理、主数据管理、数据标准管理、数据质量管理、数据安全管理等内容。 元数据管理 元数据管理主要涉及元数据分类、...

    数据治理涉及组织体系、标准体系、流程体系、评价体系、技术体系几方面的内容,主要包含:元数据管理、主数据管理、数据标准管理、数据质量管理、数据安全管理等内容。


    元数据管理

    元数据管理主要涉及元数据分类、元数据管理成熟度评估、元数据管理系统架构、元数据管理价值四部分内容。其中:

    元数据分类主要分为技术元数据、业务元数据、管理元数据;

    元数据管理成熟度评估主要将元数据管理分为初始状态、从属于业务系统、元数据统一存储、元数据集中管理、元数据驱动管理、元数据管理自动化五个阶段;

    元数据管理系统架构主要涉及元数据采集服务、元模型驱动的设计与开发、元数据管理服务、元数据访问服务、元数据分析服务四部分内容;


    数据标准管理

    数据标准管理主要涉及数据标准的理解、数据标准管理的内容、数据标准的梳理、数据标准管理组织、数据标准涉及流程、数据标准管理价值总结等几方面内容。其中:

    数据标准管理的内容包括:数据模型标准、主数据标准、参考数据标准、指标数据标准。

    数据标准的梳理过程主要分为:(1)业务域梳理 (2)业务域包含的业务活动梳理 (3)业务活动包含的对象实体抽取 (4)对象实体包含的数据项梳理 (5)数据项包含的数据实体和数据指标梳理 (6)数据实体和数据指标之间关联关系梳理;

    数据标准管理组织主要包括:数据标准管理委员会、数据标准管理办公室、数据标准执行层或业务操作层;

    数据标准设计流程分为:(1)数据标准管理办公室编制数据标准 (2)数据标准委员会审查数据标准 (3)数据标准办公室发布数据标准 (4)数据标准执行层贯彻数据标准。


    主数据管理

    主数据管理和数据治理流程整体相似,是数据治理的子集,主要包含:摸家底、建体系、接数据、抓运营。

    摸家底主要包括:数据普查、主数据识别、数据管理能力评估

    建体系主要包括:组织体系、标准体系、制度与流程体系、技术体系、安全体系

    接数据主要包括:主数据接入、主数据接出两部分

    抓运营主要包括:主数据管理、主数据推广、主数据质量、主数据表现


    数据质量管理

    主要包含数据质量问题盘点、数据质量问题根因分析、数据质量管理方法论三部分内容。

    数据质量问题盘点主要考察数据的完整性、一致性、准确性、及时性、唯一性、真实性、关联性;

    数据质量我呢提根因分析主要从技术、业务、管理三个维度进行分析;


    数据安全管理

    主要包含数据安全治理流程、数据安全治理手段两部分内容。

    数据安全治理流程主要包括:数据资产梳理与敏感数据识别、数据安全认责、数据分级分类、数据安全授权、数据安全的全生命周期管理等内容;

    数据安全治理手段主要包括:身份认证与访问控制、数据申请及审核、数据的分级与授权、数据脱敏技术、数据加密技术、数据安全审计;


    相关资料下载链接如下:https://download.csdn.net/download/u010022051/9413942

    展开全文
  • 针对数据安全国家相继出台了一系列相关法律法规,明确了大数据安全工作的要求,电力大数据资产具有数据量大、分布面广、利用价值高、敏感度高等特点,急需开展大数据安全治理技术研究。在分析电力大数据安全面临的...
  • 数据治理体系建设

    2021-03-15 00:28:59
    推荐阅读: 世界的真实格局分析,地球人类社会底层运行原理 企业IT技术架构规划方案 华为内网最火的文章:什么是内卷? 不是你需要中台,而是一名合格的架构师(附各大厂中台建设PPT) ...



    推荐阅读:
    世界的真实格局分析,地球人类社会底层运行原理
    
    企业IT技术架构规划方案
    
    华为内网最火的文章:什么是内卷?
    
    不是你需要中台,而是一名合格的架构师(附各大厂中台建设PPT)
    
    华为内部几近满分的项目管理PPT,牛逼了
    
    阿里达摩院《机器学习算法学习指南》火了,限时开放下载!
    
    小米用户画像实战,48页PPT下载
    
    GO语言版《算法进阶指南》火了,完整版PDF下载!
    
    
    
    展开全文
  • 数据安全治理方法需求分析、治理流程、治理策略 、治理工具梳理,系统的介绍了治理安全的体系建设及治理方案
  • 在大数据智能化时代,管理已不再是一种传统的方式,一套完善的数据管理系统是企业长期生存的必然选择,我们...数据治理政策已成为监管期望,作为核心质量体系政策之一。企业应根据对流程的理解和技术与商业模式的知...

      在大数据智能化时代,管理已不再是一种传统的方式,一套完善的数据管理系统是企业长期生存的必然选择,我们的生活离不开大数据,企业数据管理不仅可以提高员工的效率,提高员工的积极性,管理成本也大大降低,而且还可以实现简单的管理,解放老板!

     

      公司应该考虑它是否有数据治理政策,如果有,是否全面有效。数据治理政策已成为监管期望,作为核心质量体系政策之一。企业应根据对流程的理解和技术与商业模式的知识管理,实施有意义且有效的战略来管理数据完整性风险。

     

      在急于获得数据治理策略的某个地方,许多组织忽视了数据治理系统的目的和功能。根据MHRA的定义,数据治理系统是“确保数据,无论其生成格式如何,记录,处理,保留和使用的数据是完整,一致和准确的记录的总和,数据生命周期”。数据治理系统的既定目的是确保维护数据完整性,但最终目标是确保高质量的数据作为制定决策的依据。所有寻求完全符合相关标准的公司的数据治理系统应根据风险提供可接受的控制状态。

     

      为了有效,数据治理政策必须推动人员行为和行动,包括高级管理层的行为和行动。需要强调高级管理层在数据完整性方面的作用。国际协调委员会指出:“高级管理层的最终责任是确保建立有效的数据质量体系以实现质量目标,并在整个公司内定义,沟通和实施角色,责任和权限”。MHRA草案数据完整性指南还指出:“高级管理层负责实施系统和程序,以最大限度地降低数据完整性的潜在风险,并使用风险管理技术确定剩余风险”。除了确保数据安全的法律和道德责任之外,白皮书中讨论的数据完整性差的财务风险证明了高级管理层的重要参与。责任和权限在整个公司中定义,传达和实施。

     

      企业建立数据治理体系,需要包含多个方面,大致可以分为:

     

      1.调研发现企业现存的数据问题,并将这些问题整理归类。

     

      2.确定数据治理项目的目标,能够给企业的数据带来怎样的成果。

     

      3.获取企业高层的支持,保障数据治理项目实施必须的人力和物力的支持。

     

      4.制定数据治理的总体计划,确定项目实施落地的方法。

     

      5.成立数据治理委员会,任命委员会的各个成员并分配相应的职责。

     

      6.梳理企业的各个业务系统,确定数据源,并理解这些数据,分析各个业务系统之间的关系。

     

      7.建立元数据,从个业务系统库采集元数据,理清各个元数据之间的组合和依赖关系。

     

      8.通过数据标准管理、数据质量管理、主数据管理等统一个业务系统的数据规范,提高数据质量,并在数据的整个生命周期内保障数据安全。

     

      9.展示数据治理成果并对治理成果进行评估。如仍存在问题可按照上述流程再次治理。

     

      当前业界流行的数据管理软件又称数据资产管理产品和数据管理产品,主要功能组件有元数据管理工具、数据标准管理工具、数据模型管理工具、数据质量管理工具、主数据管理工具、数据安全管理工具等。

    展开全文
  • 商业银行数据治理体系构建思考

    千次阅读 2013-09-08 20:33:26
    数据治理是在明确数据责任的前提下,为促进数据有效使用和发挥业务价值而展开的一系列业务、技术和管理相结合的实践活动。中国银行业监督管理委员会发布的《中国银行业信息科技“十二五”规划监管指导意见》明确指出...
    数据治理是一项基础性工作,仅仅依靠数据治理组织是不可能完成的,需要全行上下共同参与,建立全行数据治理文化。
     
    数据是银行的重要资产之一,其重要性不亚于金融资产。数据治理是在明确数据责任的前提下,为促进数据有效使用和发挥业务价值而展开的一系列业务、技术和管理相结合的实践活动。中国银行业监督管理委员会发布的《中国银行业信息科技“十二五”规划监管指导意见》明确指出:商业银行应建立和完善数据治理制度体系,规范工作流程,理顺内部协作关系。
    利用数据整合的优势推行信息导向经营战略是银行在激烈的市场竞争中获得竞争优势的最优选择。从全球多家银行的实践经验看,通过信息导向的经营战略取得成功的银行通常具备一个共同特征:数据分析和数字化管理的理念贯彻企业管理整个过程。数据对于银行来说,具有至关重要的价值,数据治理是实现其价值的必要手段。本文从银行数据应用的实际情况出发,针对数据治理存在的具体问题,探寻数据治理体系构建思路。
     
    一、数据治理面临的主要问题
    目前,各家商业银行在业务发展模式上更注重全面的管理提升和内部挖潜,而数据信息是定量分析和精细化管理不可或缺的基础。在推行精细化管理和建立分析平台时,从表层看数据基础薄弱,数据不完整和不一致;但从深层次看数据管理体制不健全、内部管理职能不清等因素是导致数据问题的根本原因。
    1.基础数据质量的改进刻不容缓
        基础数据的缺失、不一致是目前迫切需要解决的问题。数据缺失问题要通过业务系统解决,为了保障业务系统能够采集真实、完整、有效的数据,在进行系统建设的时候必须通过数据标准予以规范和约束;数据质量的改进是一项长期的任务,需要从文化、组织、制度、流程和质量检查管理工具等多个层面持续改进,并依靠数据认责确保数据质量问题能够得以快速有效的解决;数据不一致需要通过推进数据标准化进行系统问协调,也需要建设统一的可信数据源提供基础保障。
    2.缺乏有效的管理机制
        目前使用数据的部门由于具有明确的、迫切的数据需求,同时面临着内外部的多种压力,成为处理问题的主要推动者,通常使用数据的部门在发现问题后采用的处理方法如下。
    (1)联络分行进行补录。补录的信息通常是为了解决燃眉之急,较少考虑复用和共享,在与系统数据进行整合时往往存在问题。
    (2)联络科技部协助提取。以临时性需求为主,口径连贯性难以保障。统计数据需要进行加工才能取得,为此IT人员须专门编写脚本才能提取到所需的数据,但是不同的人由于对需求的理解不同加工出来的数据会出现不一致的情况。
    (3)协调相关部门解决。涉及跨系统、跨条线时,沟通成本较高、协调难度也较大,问题难以得到彻底解决。大条线下部门之间的系统对接较佳,跨部门的系统对接有一定的难度,责任部门比较缺乏驱动力。
    健全的数据治理组织机制是全面开展数据治理工作的基础。由专业的业务和技术人员组成的数据治理组织将承担数据管理者的职责,负责落实全行数据治理的工作,同时建立决策、沟通、监控、考核的机制,创造全行数据治理文化,有效地解决银行数据的责、权、利的问题。
    3.缺少企业级的数据标准管理体系
        银行经常面临重要数据缺失,系统问数据不一致、统计口径和加工方法不一致而导致数据可信度降低的问题,归结起来就是缺乏有效的数据标准化造成的。数据标准化是数据环境建设中的重要环节,通过数据标准保障基础数据的一致性和严密性,合理制定标准并严格执行数据标准,确保各应用系统的标准一致性。
    4.缺少企业级数据质量管理体系
        银行的数据质量管理应涵盖数据质量问题的预防、识别、度量、分析、监控、清洗等管理活动,以满足对数据质量要求。为此,银行需要建立专业的质量管理团队,依靠质量管理平台和数据剖析工具持续地监控数据的流动,通过明确数据认责关系,尽可能在靠近数据问题题根源的地方解决问题。
    5.缺乏有效的数据架构和数据需求管理
        如果需求过于分散,那么将会造成系统重复建设,不能真正实现从企业角度构建数据架构,数据就会形成网状结构,使得工作人员不能很好地对数据进行管理。以往的系统建设,是以业务驱动为核心,大多体现的是部门级的管理要求和管理水平,未来信息化建设如果要解决好这个问题,首先必须对能支撑银行战略的数据需求及其特性有一个正确的理解。从数据涉及的范围看,数据信息要服务于企业战略,必须具有全局性,即需要从企业级的视角理解数据需求,并按照面向主题的管理需求对数据进行全局性的规划。
     
    二、数据治理的现状
    目前,国内外银行都已开展了数据治理相关工作。以美洲银行为例,美洲银行建立了数据治理的框架,明确信息技术部门和各个业务部门各自角色职责和分工。数据管理、数据访问、数据质量、元数据等方面的角色多达29种,通过数据治理为数据用户提供一站式信息服务。国内外先进银行的经验表明,有效地利用数据治理手段,可以满足业务经营的变化和内部管理需要,在此背景下,中信银行在数据治理方面进行了以下尝试。
    (1)成立了信息委下属的数据治理工作组,对全行数据治理工作进行总体管控。
    (2)一些数据治理战略性的项目被识别出来并执行,初步产生业务价值。
    (3)全行业务线和技术线共同致力于建立一个完善的数据应用环境,注重数据治理的重要性以及紧迫性。
    (4)业务部门对数据治理工作支持配合程度高,并从业务的角度协同推进数据治理工作。
    (5)技术部门积极从立项、人员、流程等方面保障数据治理相关工作的落实。
    (6)制定和开发了一些数据治理相关管理制度、管理流程和技术支撑系统。
    然而数据治理工作还面临以下挑战,亟需建立更为健全的数据治理机制。
    (1)数据治理企业文化还有待进一步建立。
    (2)专职的数据管理人员编制不足,无法有效满足业务需求。
    (3)全行企业级数据认责体系尚未建立。
    (4)数据标准是业内关注的焦点,目前已经制定了客户主题数据标准,产品和机构主题数据标准正在制定中。中信银行完成了EcIF客户主数据管理系统的建设,但是从客户主题标准的落实来看,宣传力度、贯彻力度均有待加强。
    (5)关于数据质量的担忧普遍存在。
    (6)元数据管理仅限于少数系统和少数用户,尚未体系化,完备性不够,需要建立企业级的元数据管理体系。
    (7)数据治理分散在各个系统,缺乏一个数据集成平台,以及全行级的数据治理的物理载体。
    为了更好地实施数据治理工作,应采用规划先行的方式,运用科学的方法和管理策略,构建数据治理体系,明确数据治理的工作机制和工作内容,稳步推进数据治理各项工作。
     
    三、数据治理体系构建思考


        通过对数据治理面临的问题进行深入分析,并参考国内外银行同业的数据治理最佳实践,中信银行制定了数据治理十大远景目标:(1)数据具有清晰、准确、一致的定义;(2)数据符合标准化要求;(3)数据满足质量要求;(4)数据有明确的责任方;(5)数据的成本和价值可计量;(6)数据实现集中的存储与管理;(7)数据存储有合理的期限和方式;(8)数据进行统一的加工和整合;(9)数据具有安全可靠的控制机制;(10)数据是易用、易访问的。数据治理体系框架如图l所示。
     




    框架中,数据认责是数据治理的核心。数据管理的角色和职责划分如图2所示。
     




    银行只有建立健全数据认责流程和数据认责制度,才能促进和保障数据治理效果。
    数据治理体系中,数据治理组织承担银行数据管理者的职责,制定数据治理工作的各种流程、制度和办法,推动落实全行数据治理工作,建立决策、沟通、监控、考核机制,建立培训和推广机制,创造数据治理文化氛围。
    数据标准是数据治理的重要工作内容。数据标准化指为促成数据标准的形成和使用而进行的与之相关的一系列活动,即制定和实施数据标准,提高数据管理水平的过崔。它是改进、保障和提高数据质量的一项重要措施。因此,应把数据标准作为评价数据质量的一项重要指标。数据的获取、转换、组织、存储、检索、开发、传递直到用户的利用,其中每一个环节部离不开数据标准。
    在企业中,数据的生产和消费往往不是同一实体,所以只有严格按照标准操作,其最终产品和服务才有可能满足用户的需求。数据标准作为数据的规范化定义和统一解释,增强了业务部门和技术实施部门对数据定义和使用的一致性;通过促进系统集成,充分实现信息资源共享;并作为信息系统开发时进行数据定义的依据,使得企业能够从提升管理能力的数据需求出发,建立起数据共享和信息交换的平台。
    数据标准制定是数据标准化工作的核心,国外企业在进行数据治理时大多从数据标准管理入手,而数据标准管理的第一步就是确立数据标准管理的分类体系框架,按照数据加工的程度可将数据标准分为基础数据标准和指标数据标准。基础数据标准是业务生产系统直接产生的、最原始的数据。指标数据标准是在基础数据的基础上经过加工衍生的数据。按照银行对于数据所关注的粒度和维度不同,基础数据标准分为11类,分别为:客户数据标准、机构数据标准、产品数据标准、协议数据标准、交易数据标准、渠道数据标准、财务数据标准、资产数据标准、地址数据标准、营销数据标准和公共代码。指标数据标准是银行由于经营管理或者外部监管需要所定义的标准,如风险管理指标和财务管理指标等。
    数据质量也是数据治理的一个重要课题。当前各行数据质量管理大都处于初级阶段,数据质量的问题大多由项目组自行协调解决,在组织架构、制度流程以及技术平台方面还未建立企业级的数据质量管理体系。
    数据质量管理包括数据质量管理团队建设、数据质量管理制度建设、数据质量管理流程建设以及数据质量管理平台建设。要将数据质量管理嵌入系统开发周期的全过程,确保在系统开发阶段做到数据质量问题的预防;企业级的数据质量管理平台建设至关重要,是数据质量问题发现和解决的日常工作平台,在此平台上,可以设定数据质量检核规则以及数据质量统计指标,识别和统计数据质量问题。
    数据治理与软件开发生命周期管理过程紧密相关,并且具有投入小见效快的优势。因此,数据治理的工作职责中的“组织落实”过程也主要体现在开发过程中。包括数据标准管理、数据质量管理和元数据管理。
    同时,数据治理与系统运行维护管理过程也紧密相关,因此数据治理的工作职责中的“日常管理”与“跟踪监控”过程主要应用于系统运维过程中。包括数据质量管理(含服务水平协议)、数据生命周期管理和数据治理问题管理。
    数据治理体系的构建是数据治理工作的基础,然而体系框架规划之后的贯彻执行更为重要。数据治理是一项基础性工作,仅仅依靠数据治理组织是不可能完成的,需要全行上下共同参与,建立全行数据治理文化。运用科学的方法,按照规划制定的实施路径,落实数据治理各项工作,融合业务和技术,最终得到规范的、准确的、完整和易用的数据。
    展开全文
  • 数据安全面临的挑战以及要达成的目标,数据安全治理方法(数据安全架构、数据安全技术体系建设),数据安全技术体系建设实践(数据感知管控能力建设、自动化审计能力建设、数字水印能力建设),数据安全未来发展方向...
  • 随着云计算、物联网、移动互联网等新一代信息技术的快速发展,人类产生的数据量呈指数级增长。据资料显示,2012年,全球数据量达到2.8ZB,预计到2020年,全球数据量将达到40ZB。大数据蕴含着巨大的价值,如今众多...
  • 针对当前社会信用治理工作中存在的问题与不足,根据“诚信社会”的建设愿景与需求,提出基于全景涉信大数据的智慧信用治理体系架构,并对其核心理论和关键技术进行了深入剖析,最后通过 3 个典型应用场景进一步...
  • 数据治理

    2019-07-29 21:44:48
    数据治理是一套持续改善管理机制,通常包括了数据架构组织、数据模型、政策及体系制定、技术工具、数据标准、数据质量、影响度分析、作业流程、监督及考核等内容。 “数据治理是目前一个比较新兴的、正在发展的学科...
  • 数据治理意义重大,传统的数据治理采用文档的形式进行管理,已经无法满足大数据下的数据治理需要。而适合于Hadoop大数据生态体系数据治理就非常的重要了。大数据下的数据治理作为很多企业的一...
  • 数据治理是一个新兴的并且不断演进的概念,涉及数据质量、数据管理、数据政策、商业过程管理、风险管理等多个领域,同时也受技术革新等因素的影响。在数据治理体系建设过程中通常会引入外部的方法论作为理论指导,...
  • 数据治理是一个新兴的并且不断演进的概念,涉及数据质量、数据管理、数据政策、商业过程管理、风险管理等多个领域,同时也受技术革新等因素的影响。在数据治理体系建设过程中通常会引入外部的方法论作为理论指导,...
  • 明确了与大数据治理相关的概念和定义,提出了大数据治理标准体系框架,并给出了下一步标准化工作建议,从而帮助业界构建涵盖大数据治理的新大数据标准体系,为我国新一阶段的大数据技术、产业发展提供标准化支撑。
  • 数据治理体系 5 数据治理核心领域 5 1.3 数据模型 6 1.4 数据生命周期 6 1.5 数据标准 8 1.6 主数据 9 1.7 数据质量 10 1.8 数据服务 12 1.9 数据安全 12 2. 数据治理保障机制 13 2.1 制度章程 13 2.1.1 规章制度 13...
  • 1.Hadoop Hadoop是一个能够对大量数据进行分布式处理的软件框架。具有可靠、高效、可伸缩的特点,其核心...HDFS是Hadoop体系数据存储管理的基础。它是一个高度容错的系统,能检测和应对硬件故障,用于在低成本的...
  • [内部资料、严禁外传],数据安全治理需求分析,数据安全治理风险分析,数据治理核心理念、整体框架、过程保障、建设过程、管理体系建设方案、运维体系建设方案、技防体系建设方案、效益分析等等
  • 数据治理解决方案.pdf

    2020-09-17 09:54:28
    为实现大数据平台数据治理子系统的建设和管理,为大数据平台上的各类基础技术和应用提供支撑,加强大数据平台上数据的管控力度,增强数据治理子系统自身管理能力。主要包括以下几方面的内容:总体说明、数据治理体系...
  • 数据治理综述

    千次阅读 2018-08-02 11:08:32
    数据管理知识体系-职能框架 DAMA-DMBOK职能框架定义了组织结构大纲,包括10个职能和7个环境要素 数据管理职能 ... 数据治理 数据架构管理 数据开发 ...
  • 百分点大数据技术团队基于多年的数据治理项目经验,总结了一套做好数据治理工作及提升数据治理能力的实施方法论。 近年来,推动数据治理体系建设一直是业界探索的热点,另外,《中共中央、国务院关于构建更加完善的...
  • 1. 数据安全治理介绍 1.1 数据安全治理目标和理念 金融机构围绕“让数据使用更安全”的核心... 为了有效实践数据安全目标和理念,机构必须打造数据安全闭环管理体系,推动数据安全治理体系持续改善。 1.2 数据安全...
  • 同时,中国企业的数据治理体系层面、管理对象层面和技术平台层面都存在显著的特色,这些特色在上述治理框架中关注不够。首先,国内强调数据标准建设。同时,国内习惯于将各种数据进行集成,形成统一的数据资源...
  • 数据体系规划与架构设计: 主数据四大体系规划: 主数据标准管理: 数据质量评估维度 精确性 完整性 一致性 有效性 唯一性 信息因素 技术因素 流程因素 管理因素 主数据安全体
  • 面对新冠疫情,各行业小微客户(小微企业、小微企业主、个体工商户等)所处市场环境更加严峻,与此同时,受小微客户单体规模小、技术水平普遍偏低、经营行为不规范等问题制约,小微信贷自带高风险标签。虽经政府部门...
  • 这篇文章主要从数据治理中的重要基础内容:数据标准入手,从以下几个角度展开具体讲解: 对数据标准的认识误区 数据标准的定义 企业如何制定数据标准 数据标准化过程中出现难题的原因以及解决方案 一、...
  • 数据治理框架

    千次阅读 2015-01-07 15:21:09
    数据治理以主数据生命周期(产生、集成、存储、发布、维护、使用、归档)管理为核心,基于主数据生命周期各个环节建立主数据标准,以数据标准为依据搭建数据质量管理体系,并通过成熟的数据管理体系保障不同管理...
  • 简介:从日志、监控、性能检测几个方面建设了有日志可查、有数据可依的排查体系 作者:闲鱼技术——云从 现状和问题 闲鱼的舆情治理,依托阿里集团的设施建设,有以下能力: 崩溃异常、性能在线聚合查询; ...

空空如也

空空如也

1 2 3 4 5 ... 18
收藏数 342
精华内容 136
关键字:

数据治理技术体系