EB_级数据治理在蚂蚁安全的探索与实践_康树鹏

数据治理面临的挑战

• 行业挑战：金融支付行业面临数据合规存储、共享及使用的需求，以及数据安全和风险管理的要求。
• 组织挑战：数据使用依赖性强、敏感度高、合规要求多，数据规模大、成本增长快，数据复用难，存在数据孤岛现象。

数据治理架构设计

• 架构设计：成立数据架构小组，设立数据管理岗位及晋升通道，制定跨BU的数据研发协作机制和流程。
• 治理规则：制定数据架构规范、资产研发管理规范、数据治理管控规则、研发安全生产规范。
• 治理平台：搭建自动化治理工具，如血缘中心、成本预估、治理管控能力等。

数据治理在安全场景实践

• 迁移混部：通过杭州专用集群和深圳混部集群实现资源利用率提升，保障业务稳定性。
• 应用全链路血缘：建立数据依赖及影响评估，优化数据效能，量化成本及价值。
• 存储治理：优化Top100表存储，通过模型优化、重排压缩、存储归档等方式降低成本。
• 计算治理：合并相似计算任务，利用渐进计算和Dynamic Filter优化计算效率。

数据治理的未来思考

• 数据作为生产要素：强调数据的使用、消费及价值创造，推动数字化、智能化和市场化进程。

以上是基于提供的研报内容进行的总结，重点关注了数据治理面临的挑战、架构设计、在安全场景中的实践以及未来的思考。