数据治理存在落地困难的问题，体现在很多地方。首先，治理效益与业务影响存在矛盾。数据治理需要对业务系统、生产流程进行改造，由此对业务造成影响。其次，治理涉及的组织和管理难度大，数据治理涉及的角色多、范围广、链路长，且治理目标对齐、管理和跟进难度大。

第三，规范“人”的动作难度大。数据治理要依靠人来推进和执行，人员能力参差不齐，组织文化、目标也存在不对齐的情况。

第四，缺乏适配性强、全局视角且灵活的数据治理工具。

数据治理在字节跳动内部是挑战机遇与并存的工作。针对上述问题，综合考虑治理收益、业务影响、执行效率，字节跳动提出了分布式数据自治的思路，保证了在业务影响方面，为保证影响小，治理工作按照业务单元进行。一个业务单元可能是一个小团队或者是一个小项目。

演讲提纲：

1. 字节跳动数据治理面对的挑战
2. 治理理念介绍：一站式平台 & 分布式自治（融合了数据驱动）
3. 治理平台整体架构
4. 治理双路径：
   • 规划式治理路径
   • 响应式治理路径
5. 质量治理场景解决方案
   • 大规模复杂链路的治理：SLA 协议（事前）/规则监控（事中）/根因与复盘（事后）
   • 智能化应用：基于算法的 SLA 和规则流程提效
6. 成本治理场景解决方案
   • 全链路数据驱动治理：健康分/规则诊断/收益预测和实时核算
   • 智能化应用：基于血缘和热度的推荐/自动冷热分层/自动参数优化
7. 总结与展望

你将获得：

• 可以深度理解字节内部数据治理的架构逻辑，并且收获内部多个场景的数据治理方案
• 同时也可以第一时间获得在智能化应用上的实践思考与未来规划

金融数据体系极其复杂，内部关系错综复杂，尤其随着业务数据越来越多、数据全民意识越来越强，体系化的数据治理已成为不得不交的作业；而现实告诉我们，面对难找、难理解、不敢用、用不起的海量数据，传统的治理措施面临难以落地、落地效果不佳、效果难以量化等困局。如何能够保护好海量敏感数据？如何做好必要的质量管理、监控和告警？如何在数字化转型过程中稳定高效的对外提供高质量的数据服务？

构建金融级数据研发治理一体化平台将会是一个破局点，将数据治理体系落地到研发流程中，保证数据价值最大化，降低数据应用成本，将DAMA方法论与工具相结合，让治理工作潜移默化到每个数据研发工作成员的日常工作流程中。始终以业务价值最大化为目标，对数据研发全生命周期进行管理，更好的服务业务需求，并且能将全行核心数据资产沉淀到平台上。

演讲提纲：

1. 金融数据治理的挑战
2. 数据治理体系及核心目标
3. 数据研发治理一体化平台体系介绍
4. 未来展望

你将获得：

经历过互联网科技发展浪潮之后，沉淀了许多优秀的技术解决方案，特别是大数据解决方案，金融对数字化转型极其渴望，你可以深入了解金融科技的思考与实践，一起思考探索数据治理与金融科技结合的未来发展路径。

面对EB级的数据量级和上百人的数据团队，推动数据治理工作的挑战是非常大，我们一直在追求如何让治理变的更加高效，在对包括规范、流程、组织和工具进行迭代后，已经形成了“一套标准+一个组织+统一工具”治理机制，但是在效率和成本的极致追求下还不够，我们也在探索通过自动化和智能化的治理方案更高效率的降低大数据成本，本次分享会围绕这个话题进行展开。

演讲提纲：

1. 现阶段数据治理背景和挑战
2. 整体解决思路和框架
3. 自动化成本治理实践方案
4. 未来展望

你将获得：

• 了解快手数据治理体系架构
• 可以获得关于自动化治理和智能化治理的相关思考和实践

人工智能的巨大突破对社会发展产生了重大的影响，使AI技术得以更普遍地下沉到更多的应用场景，AI 将驱动各行各业“质变”，高品质、多样性、大规模的智能数据集建设是AI技术应用竞争关键要素之一，在建设大规模数据集过程中，E级别的安全数据资产必将带来高昂成本支出、及各种质量风险隐患，通过安全生产、表治理、存储与计算治理、平台治理、以及分级存储、智能调度等新技术手段降本增效，有效治理表量级50%、存储与计算优化超40%，年度节约成本近亿元。

演讲提纲：

1. 业务背景及数据架构
   • 金融安全风险简介
   • 智能数据应用挑战与目标
   • 智能数据资产建设思路
   • 智能数据资产架构
2. 智能数据资产建设实践
   • 智能数据降本增效
   • 智能数据新资产实战
3. 未来展望

你将获得：

• 了解金融安全领域大数据治理知识；
• 了解更多蚂蚁集团在金融安全领域智能数据资产建设实施与探索；