目前处于大数据时代，大数据技术也逐渐开始应用。大数据的安全性也受到广泛关注。大数据应用广泛。这里有几个例子。首先是大数据。如果描述的那么多就更好理解了。在20多年的信息化建设过程中，东软积累了多个行业的数据项目实施经验，从元数据主数据的标准数据质量，到数据处理资源目录的数据交换和数据安全，提供全面的数据治理解决方案，打通数据治理全流程，为大数据应用建设提供支撑。同时，丰富的各领域解决方案实践经验也保证了项目的成功。
自然风险、社会风险、政治风险、法律风险、经济风险、管理风险、财务风险、产品风险、市场风险、客户风险、竞争风险、质量风险、技术风险、人才风险、公共关系风险等。忽视风险的创业企业，永远是火中取栗，失败是常态，成功是变态。存活下来的创业公司屈指可数，倒下的尸体随处可见。
先看什么是大数据？百科上的学术定义就不说了，搜一搜就能找到，超子感性的介绍一下大数据。首先是大数据的大这个大描述为多的话比较好理解。然后这个多可以指两个方面1数据的量多，也就是有足够的样本数据，这样挖掘出来的数据价值可靠性更高，假如只有一两个数据，就算得出结论了你也不敢信啊。2数据的种类多，可以是数字，文字，图片，视频，音频，销售数据等等都可以。
相对大多数的应用场景，数据种类越多越丰富就越好。再看数据的高精度不管数据有多大量，多丰富。首先得要保证数据的精度，准确度。比如我要分析周边人群快销品的消费习惯，但是拿来了一大堆数码产品的销售数据。驴唇不对马嘴的数据再多也没价值。然后还要具有高度时效性这个时效性也可以分两个方面。1数据本身的时效性，假如拿一堆10年前的数据来用，其实参考价值不大了，毕竟早已时过境迁了，当然也不是绝对的，只是相对于绝大多数的应用，越新鲜的数据，越好。
2数据处理的时效性，假如我拿到了一大批，种类丰富的新鲜数据，10年才能处理完，这样还有啥意义。所以从这方面而言，大数据并不是只有数据本身，还要包含数据的传输，储存，计算以及结果分发等一系列的处理技术。这些技术必须能都高效的加工数据，保证数据价值的时效性。总结一下，大数据可以感性的理解，就是大量的，丰富的，准确的，新鲜的海量数据，同时还要包含有能够高效处理这些数据的一系列技术。
在销售领域，不管是线上还是线下，大数据都能提供相当大的帮助。感性的理解下。一人群定位我们的产品谁在看，谁在关注，谁在购买我们的产品。通过数据的总结分析，准确定位转化率最大的人群，男生还是女生，老人还是年轻人，可以把流量精准的投放在转换率大的人群。二地域定位分析不同地域的销售数据，哪个地域的量最大，哪个地域的销售潜力最高。
都可以通过数据来挖掘，可以帮助我们安排销售策略的侧重点。三产品定位什么产品卖的好，什么产品受欢迎。统计数据，根据结果可以安排不同产品的生产和销售方案。四趋势定位通过数据规律，分析人群的潜在消费趋势，最大概率上，什么产品未来会好卖，可以帮助新产品方向的定位。简单的说，大数据就是为了挖掘数据背后的价值，帮助人们做决策，提供有效的依据。
大数据时代如何做好数据治理？
理资产治数据，一体化大数据治理为什么需要数据治理?大数据不是凭空而来，1981 年第一个数据仓库诞生，到现在已经有了近 40 年的历史，而国内数据平台的建设大概从 90 年代末就开始了，从第一代架构出现，到现在已经历了近 20 年的时间。1在这 20 年的时间里，国内数据平台实施者受尽折磨，交付数据项目是出了名的脏活累活。
忽视数据治理给数据平台建设带来了不少问题。随处可见的数据不统一数据质量差，以及难以完成的数据模型梳理等这些基础性数据问题已经严重限制了数据平台的发展，与此同时，数据应用在商业上难以崭露头角。数据治理的难点痛点，归纳有以下几点数据采集难数据的形态多样化，给数据采集带来很大难度，使得数据难以汇聚。数据整合难数据的来源多样化，很难理清数据之间的关系，进而难以整合。
1低成本原材料的稳定供应是企业发展的基石，供应不稳定直接导致企业无法正常经营。创业之初，必须要有几个稳定优质的合作伙伴，才能保证在未来的运营过程中能够持续提供优质的弹药，才能在激烈的竞争中占得先机。企业产品的生产过程是企业内部经营的最大风险。产品质量控制成本效率等风险的叠加，将从根本上动摇企业的稳定性。
难以共享数据。数据之间壁垒高，数据权限不清，导致数据难以共享交换，难以促进数据的流通。数据难的IT系统数量多，参与厂商多，系统间数据标准不统一，很难找到真正需要的数据。难以使用数据。数据的意义不明确，业务属性不清晰，数据难以使用，难以充分发挥数据的价值。没有标准和规范就很难监管数据，很难有效管理数据，很难保证数据的质量。
