多云世界中数据治理的挑战
今天，要找到一个完全没有云服务的企业真的很困难。尽管在某些企业中使用集中式“无云”策略，但各个部门，工作部门和单位正越来越多地订阅数据存储和备份服务，媒体服务，CRM，托管分析等。甚至开发人员 正在使用基础架构即服务（IaaS）和平台即服务（PaaS）来测试和部署应用程序。
一个事实很明显-云将继续存在并会繁荣。因此，将来，如果企业需要托管的，具有成本效益的，敏捷性更高的数据中心，他们将必须学会处理风险因素。越来越多的企业采用私有-公共云，混合云，社区云（由多个企业共享的资源）以及其他一些混合云环境。这些云基础架构不再简单而孤独 它们通常根据组织规模，需求和预算在复杂的云服务器网络上进行设计，开发和部署。
云中数据治理的原则和最佳实践 声明数据治理是使数据为您的业务所必需的重要部分。为使数据真正起作用，治理框架必须解决数据收集，提取，存储，编目，部署，备份和定期删除的策略和过程。
根据 麦肯锡数字国际数据公司（IDC）预测，“企业在第三方管理和公共云环境上的支出将从2011年的280亿美元增长到2015年的超过700亿美元。” 当大多数北美公司开始转移约四分之三的应用程序以节省大量成本时，2013年的这一预测就实现了。麦肯锡调查显示，许多高管表示，通过将内部应用程序替换为基于云的“软件即服务”
服务（SaaS）模型，他们设法节省了约60％到70％的运营成本。
安全大道指向2018年《 Forrester研究报告》，该报告宣布约有86％的接受调查的全球决策者已采用多云策略，而60％的人正在转向公共云。在多云的世界中，企业客户正在与一个以上（是的，一个以上）云环境以及一个以上的服务提供商打交道。
云数据治理 — 企业数据管理的必要条件
中他认为，随着多云正在迅速成为企业中事实上的基础架构标准，因此在多云环境上进行数据治理无疑是必要的。根据麦肯锡的说法，驻留在云平台上的数据通常是“规模化的共享和自动化。” 在有限的预算内，由于敏捷性和资源可用性，业务用户很容易被云平台吸引。
在大型企业中，流行的云选项现在是私有-公共云组合，混合云设置以及其他多云环境，以降低风险并提高计算能力。尽管访问公有云的明显好处似乎是一个好主意，但高级管理人员之间普遍关心的是数据泄露或数据安全性。
此外，知名企业不希望从不保证法规遵从性的云服务提供商那里获得服务。因此，企业在多云的明显好处和与云平台相关的不断增加的数据风险之间保持平衡。
云计算挑战：应对多云环境 引用Jay Chapel的创始人兼首席执行官 ParkMyCloud 就像在云计算世界中一样，数据“安全性是最高优先级或次高优先级”。
五个关键步骤 数据治理云环境中的策略包括为存储和安全目的识别数据“值”；确定与数据相关的风险；确定数据“位置”以建立适当的保障措施并选择适当的数据传输方法；根据不同的用户，建立坚实的数据访问层次结构；并创建一组清晰的数据质量策略来管理传入和传出数据。该链接包含每个步骤的详细说明。
多云环境中的数据管理风险
在典型的电信网络服务中用于缓解安全漏洞或其他类型的违规事件的传统合同未能将产品交付给云。诸如云之类的高度扩展，共享和自动化的IT平台可以隐藏数据的地理位置，无论是对客户还是对服务提供商而言。这可能会导致违反法规。因此，云计算的合同仍处于起步阶段，直到有一些诉讼能够阐明监管问题并为将来的案例树立先例，否则数据云泄露问题将仍然无法解决。
此外，数据收集将增加潜在的数据风险，因为更多有价值的数据将占据公共存储位置。另一方面，多云环境通过事件日志记录提供了更高的透明度，并通过自动化工具提供了企业范围的解决方案。一旦检测到解决方案，就可以立即在云网络中部署解决方案。近年来，已经出现了专门针对云的风险管理策略，这些策略仅需针对多云环境进行测试。
一个IBM博客文章描述了一种典型的多云环境，企业在其中寻求不间断的数据管理服务而又不失去安全性和控制力。在这种多云模式下，不存在供应商锁定。企业客户可以自由选择跨多个云基础架构的应用程序和服务，以满足其日常业务需求。
的 多云治理环境在医疗保健，银行业或保险业等知名行业中是当今的运营现实。这些业务从来都没有考虑过云的建设，因此，要在一个完善的业务模型上改造云或多基础架构，要困难得多。多云的现实是，它通常包含位于复杂体系结构之上的零散技术，这使IT治理和合规性成为噩梦。
多云的数据治理
云中的数据治理提醒我们，虽然大多数企业主对云迁移的技术细节感到困惑，但真正的挑战是数据治理，因为它控制着云迁移的成功。云迁移的主要痛点是数据访问，合规性和安全性。对于企业来说，挑战在于知道数据在多云环境中的位置。
《计算机周刊》专题文章，标题为在多云世界中管理数据 指出，多云服务提供商面临的主要障碍之一是设计一种“无缝集成的数据管理策略”，以使跨云系统的各种云服务能够协同工作。
多云的数据治理最佳实践在当前的云第一世界中，组织已经意识到数据治理必须制定策略，尤其是当数据在多云环境中不断移动时。现在，已在常规云环境中尝试并测试过的数据最佳实践已针对多云设置进行了映射：
确定并分配责任给数据拥有者，凭借他们的专业知识，他们成为特定类型的数据集的指定管理者。这些数据所有者是多云设置中数据策略的创建者和实施者。
设置数据生命周期，以确保清除无用和冗余的数据，从而提高效率和成本优势
通过在整个组织中实施的一致的数据管理策略来改善元数据管理。
通过使用数据集保留数据安全性信息，确保在多云环境中统一实施重复数据集。
确保不时跟踪和审核副本数据集，以消除不同云系统之间的冗余。
设置清晰的数据集成策略以记录可组合的数据类型，此类集成所需的过程以及组合数据的相关安全性问题。
在分析和转换“原始数据”之前，制定关于保留原始数据的表单策略。在大型组织中，保留不同原始用户可能需要重新访问原始数据集，因此保留原始数据的价值不能被夸大。
由于智能数据分析通常涉及“数据模型”的创建和使用，因此必须长期对这些模型进行适当的归档和管理，尤其是当模型从一个云系统转移到另一个云系统时。因此，还必须在全面的多云环境中解决模型管理问题。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！