数据资产管理：数据发现，发现什么，怎么发现？-轻识

导读：今天我们继续聊数据资产管理这个话题。

作者：石秀峰

来源：谈数据（ID：learning-bigdata）

此前的文章《数据资产管理：企业的数据资产怎么盘？》中，我们对数据资产梳理和盘点的方法、流程、模板进行了介绍，相信大家对数据资产盘点应该有所了解了。可能有人会问，数据资产盘点都是人工在做，有没有更智能的方法，能够自动盘点数据，让数据更容易查找和使用？

嗯，有的。它就是经常配合BI工具（商业智能）一起使用的数据管理工具——数据发现。

01 数据资产发现，是什么？

数据资产发现是一个可视化、智能化的数据管理工具，它的定位是使业务和技术人员能够在需要时更容易找到、理解和使用他们想要的数据。

这个概念是不是似曾相识？是的，数据资产发现与数据资产目录在定位上很相似，从本质上讲，数据资产发现就是一种更智能的数据资产目录工具。

如果我们将大数据比作石油的话，数据发现就是勘探、采集、处理和炼化石油的过程，它能够更加自动化的识别数据资产，对数据进行迁移、清洗、标记、编目和可视化，从而最大化的释放数据价值。

通常来讲，数据资产发现具备如下能力：

1. 多数据源连接

数据资产发现可以连接多个数据源，实现数据的可视化、集成和迁移。支持的数据源除了结构化数据，还能够对非结构化数据、半结构化数据的关键元数据进行识别和采集。

2. 元数据分析

对元数据信息进行统计分析，可视化展示数据源的元数据，包括数据表的大小、注释、列数量、时间列数量、主键数量等信息，更细一步地，还统计了列级别的元数据，包括列注释、字段类型、列长度、是否主键列等信息。

3. 数据分类和编目

数据发现与数据分类密切相关，通过自然语言处理、语义解析，根据数据的有用性、敏感性或安全性要求进行识别、分类和编目，形成业务、技术多个视角能够识别、查询和浏览的数据资产目录。

4. 清理和准备数据

有了数据目录，用户就可以轻松找到想要的数据。但是找到了数据，不一定就意味着它能直接使用，因为这些数据往往还存在很多的质量问题，必须要对这些数据作进一步的清理。

数据发现工具一般具备自助数据准备和自动进行数据清理功能，提供有关值域范围、异常值、错误值和其他数据属性和问题的检查和处理，为数据共享和分析提供支撑。

5. 数据探索

数据探索是帮助业务人员整合来自各种来源的数据，以了解数据结构并构建交互式可视化来解释该数据。在数据探索中，用户通过使用人工智能技术，来查看自各种来源的数据，并尝试从这些数据中提取重要或有意义的信息。

数据发现工具使用热图、数据透视表、饼图、条形图和地理地图等多种方法来帮助用户从数据中获得洞察力，从而实现业务目标。

02 数据资产发现，发现什么？

很多企业数据资产管理的最大痛点就是数据分散，企业不知道自己有哪些数据可用。企业数据大部分分散在不同的系统、不同的数据源和不同的设备中，识别、分类、处理和分析数据，并从中获得洞察力对任何企业都至关重要。

那么，数据发现到底能够发现什么？

数据的位置：数据发现通过连接数据源、采集和分析元数据，能够识别企业有哪些数据，并定位这些数据在哪里存放，谁可以访问它。
数据的结构：数据发现可以自动解析数据的结构，包括对结构化、半结构化和非结构化数据的的数据特征提取，通过统计模型对数据进行分类。
数据的传输：数据发现捕获数据的流向，了解传输哪些数据、如何传输以及通过哪些渠道传输。
敏感的数据：数据发现通过内置的数据口径、标准和规则，可以自动识别数据的技术属性和业务属性，可以快速对身份证号码，姓名，地址，手机号、银行账号等敏感信息进行识别、分类和跟踪，方便评估安全或隐私风险并定义缓解策略。
数据的问题：数据发现通过数据质量检核，可以对数据集中的数据值域范围、异常值、错误值、重复数据等数据问题进行稽核，快速发现数据集中的问题数据，并执行数据清理，以提高数据质量。
数据的含义：数据发现通过丰富的图表，通过可视化的方式展示数据资产地图，直观清晰的展现数据富含的意义、用途等，使得用户可以快速的了解数据，并从数据中获得洞察力。

03 数据资产发现，怎么发现？

当下，数据资产发现主要有两种形式：手动发现和智能发现。

1. 手动数据发现

在过去 20 年里，在机器学习进步之前，数据相关工作人员对数据的相关作业，如：发现数据、采集数据、处理数据、分析数据等，大部分需要依靠人类的脑力和体力。简单地说，人们通过人为的方式，识别和记忆关于哪些数据可用，存储在哪里，为什么需要，以及为最终用户提供带来什么价值。

后来，企业开始有意识的管理数据，通过监控元数据和数据血缘，发现并了解数据分类和流程。

数据管理员，通常是具有复杂技术和知识的人才能胜任，负责企业数据资产的盘点和管理，基于一定业务规则对数据资产进行分类和编目。在这一过程，数据管理员通过手动的方式建立数据目录、绘制数据地图，以理解企业中的数据资产。而这一方式，一直沿用至今。

2. 智能数据发现

大数据时代，数据呈爆炸式增长，且数据在企业业务发展的过程中，扮演的角色越来越重要。传统手动发现数据的方式，在应对企业的数据管理和使用需求，以及大规模、多样化的数据增长情况下，显得越来越吃力。因此，企业迫切需要一种更加自动化、智能化的数据发现工具，来帮助企业从数据中获得更深入的洞察力。

随着技术的进步，智能数据发现工具逐步成熟了起来。智能数据发现主要使用增强分析、自然语言处理、机器学习等人工智能技术，对数据进行定位、探查、清理、集成和可视化，来呈现和洞察数据价值。智能数据发现是一个飞跃，通过对可用数据源的整体理解和分析，在黑匣子中进行一些处理并得出合理答案。

有了AI的加持，数据发现有了令人兴奋的创新方向：

AI 技术可用于数据准备，例如：标准化数据、处理缺失数据、字符串模式识别等。
算法可用于识别和关注相关变量组数据中的特定模式或异常值。
时间序列分析对模式识别、异常值检测和表关系发现具有不同的需求和意义。
可以收集、分析专家用户的行为数据，并用于影响推荐的分析操作。

对此，也有一些专家认为数据发现类似于数据挖掘，这是一些公司用来尝试从大型数据集中提取可操作数据的过程。在某些方面，数据发现也可以通过与电子发现（e-discovery）的相似性来解释；例如，在涉及法律领域的电子发现中，指定的 IT 专业人员从可能适用于案件相关的大型数据集中提取数据，辅助办案。数据发现采用了类似的方法——从大量数据中筛选出相关且可操作的数据项。

可能有人会问：有了智能数据发现还需要手动数据发现吗？

个人认为，现阶段大部分的数据发现还需要人工手动干预，而基于机器学习等人工智能技术的利用可以帮助改进数据发现过程，例如自动发现数据中的数据质量问题、法规遵从性问题等，而数据结果还是需要人为决策。

04 数据资产发现，解决哪些问题？

数据资产发现也叫自助式数据探查和分析，从定位上讲，是服务于业务人员，帮助业务人员从数据中获得有价值的信息，这些信息可帮助用户在竞争对手之前发现宝贵的机会，而无需咨询 IT 部门，使得数据分析和使用变得“平民化”。可视化的数据呈现，提高了数据的可操作性，让业务人员能够更快地找到答案。

数据发现为企业提供了一种易于理解、清洗和分析数据的友好方法，使用户可以轻松深入研究变量并提出新的问题和见解。

1. 识别数据应用中的痛点

每个企业的数据管理和应用都会有独特的痛点和问题，例如自多个来源的大量数据、复杂的架构、数据安全和法规遵从性等，所有这些都应该得到解决和持续监控。尽可能多地提前识别这些问题，可以帮助企业在问题升级之前解决问题并确保企业的数据保持安全。

2. 使用多样化的数据源

如果企业可以从多个来源收集和使用数据，那就预示着企业可以从中获得更加深入的见解。但是，值得注意的是，企业需要正确处理和使用数据，确保数据完整性、数据质量和个人隐私保护。数据发现有助于企业从不同数据源中收集、清理相关数据，这些数据可以提供大量可操作的信息。

3. 用企业的数据讲故事

数据发现为业务用户提供了自助式数据分析和探索的能力，以可视化的方式进行数据呈现，形成业务人员更容易理解的故事板。直观、可视化的“数据故事板”可以帮助人们理解信息，以及从中得到有价值信息，帮助用户进行决策。

例如：数据发现通过对企业多渠道中的客户行为、交易和情绪数据的分析和评估，来获取客户的 360 度视图，在客户流失之前进行预警，从而辅助决策人员作出应对策略。

05 数据发现工具，怎么选？

在国外一个数据管理工具评价网站显示，2022年 9个最流行的数据发现工具有：

JMP Statistical Discovery
Looker
Microsoft Power BI
Phocas
Qlik Sense
Spirion
Tableau
TIBCO Spotfire
Atlan

你有没有发现以上数据发现工具其实侧重点并不相同，有侧重数据管理的，也有侧重数据分析的。例如：JMP Statistical Discovery——SAS公司的数据管理产品，是侧重跨数据源数据采集、自助数据准备和自动进行数据清理。而Google Cloud的Looker，微软的Power BI，以及Salesforce的Tableau则更侧重自助式的数据可视化能力。

那么，一个数据发现工具到底都应该包含哪些通用功能，企业选型应重点关注哪些方面呢？通过对以上工具的研究，笔者发现一个完善的数据发现工具，需要具备以下功能：