云计算为数据管理工具提供了能够满足“共享服务”功能的新的架构模式，采用微服务技术满足数据管理工具的高可用性、稳定性和易用性。人工智能为主数据清洗提供了自动化思路，利用自然语言处理及数据标准库提升数据质量。

基于统一技术架构、统一指标数据驱动的元数据（业务元数据、管理元数据、技术元数据等）、统一治理工具、统一安全管控，通过不同的模块组合，形成不同的数据服务和治理解决方案；

图4 一体化数据治理和服务应用场景

实现数据资产“三全管理”：

1）全生命周期（时间）：基于数据指标驱动的元数据的数据资产全过程管理，采集、存储、应用及管理过程的全记录与监控。权衡效率和需求之间的关系，合理分级存储和保留、销毁数据；

2）全流程（空间）：基于数据指标驱动的、元数据的数据资产溯源管理（血缘与影响分析），数据来源、存储位置、处理方式、流转过程、安全稽查规则，能追本溯源的发现所有资产的“前世今生”。

3）全景式（场景）：基于指标数据驱动的资产全场景视图，从应用场景的维度，既有全局规划的管理者，也有关注细节定义的使用者，还有加工、运维的开发者，提供多层次的图形化展示，满足应用场景的图形查询和辅助分析。

二、两个体系2.1数据管理体系

图5 数据管理体系架构

数据管理体系包含：数据标准管理体系、数据管控体系、数据技术服务体系、数据质量要求、数据安全要求等。

1）数据标准管理体系包含业务标准（编码规则、分类规则、描述规则等)、数据模型标准。数据标准管理体系在建设梳理的过程中，一般会衍生出一套代码体系表或称主数据资产目录。数据管理标准体系是数据管理工作的重中之重，通过主数据标准化，才能为实现部门和系统间的数据集成和共享，打通企业横向产业链和纵向管控奠定数据基础。

2）数据管控体系包括主数据管理组织、制度、流程、应用及管理评价五部分。

3）数据技术服务体系：数据管理工具及技术服务体系。

4）数据质量要求：数据质量标准、质量评估等。

5）数据安全要求：数据分类、分级授权，数据模型等管理。

2.2数据运维体系

建五位一体数据运维服务体系，加强应用推广的组织和培训指导，有序推进数据共享、应用

图6 五位一体数据运维服务体系