数据分析治理与数据保护的协同性

　　那么，我们有怎样的数据分析治理工具呢？泛企业的数据资产发现和数据治理工具并不缺乏，它们将数据的管理范畴像“虚拟组织”那样从业务范畴中抽象出来。可是我们知道企业的数据每年以50%的速度增长，数据发现、分类、分级、变迁、使用等，会遇到诸多技术和管理问题。况且业务系统中的数据是动态变化的，治理一个变化中的对象需要对它进行持续的管控，管理和控制的逻辑叠加在业务系统上有时并不合适。于是，从业务系统中抽离数据资产自然而然成为科技部门的一个任务。抽离就是从业务系统中把数据复制出来，建立一个生产数据的“孪生数据”,一个处理业务逻辑和业务压力，另一个处理管理逻辑和管理压力。数据复制如同印刷术在IT的发展史上已经存在了很多年。

　　根据IDC统计，一个中型企业内出于各种目的产生的复制数据有8-10份之多，常见的有：备份、容灾、归档、分析、审计、开发测试等。复制手段和工具多，复制下来的数据多，存放方式和地点多，已然成为一个管理难题。复制数据管理在数字化转型的当口既是管理问题又是技术问题。复制数据有些是无条件、不得不做的，有些是有一定选择性的。所以复制数据管理就从不得不做的领域发端，并成长起来。

　　数据保护是IT运维的日常业务，也就是数据备份。金融行业对数据备份有着严格的规矩与监管，金融系统的原生数据，包括数据发生逻辑变化的时间变量，全都被忠实地记录在数据备份系统。最近发生删库事件的互联公司居然没有备份，这在金融企业是难以想象的。然而，备份系统的情况并不妙。据IDC 2018年的一项报告，全球70%的CIO对现有数据备份系统不满意。现行的备份技术20年没有升级，导致海量备份数据只在灾难恢复时用一用，平时这份可以救命的数据沦为 “暗数据”。一方面，人们想要从业务系统抽离数据用于管理目的，另一方面，“暗数据”滥觞，这是一对巨大的矛盾。

　　副本数据成为管理范畴的焦点也仅仅是数据治理得到重视之后，那么，数据保护和数据治理究竟是怎样的关系？数据保护是传统IT运维的范畴，数据治理然是资产与合规管理的范畴。数字化转型就是要打破部门之间的藩篱，让数据成为最活跃的生产要素，副本数据管理自然上升为推动数字化转型的跨界“生物”