数据是一种新的生产要素，企业在经营过程中合规采集到的第一手数据，毫无疑问，是企业的资产。

资产是可以产生价值的。要把数据用起来，让数据产生价值，企业首先得知道手里有哪些数据。

为了知道企业有哪些数据，我们就要对数据进行盘点，看看企业里使用了哪些数字化系统，采集了什么数据、怎么采集的、保存到了哪里。我们要把这些信息记下来，整理好，统一放在一个合适的地方，以便在需要使用数据的时候，可以随时查询，

这些整理好的信息，叫数据目录，就像超市的商品目录、厂家的产品目录一样，是给需要它的人看的。

企业里持续不断地产生数据的系统可能有很多，而且在不停地变化。手工整理和记录这些信息，工作量大不说，时效性肯定满足不了实际应用的需求。

有一类数据目录软件（Enterrpise Data Catalog），就是用来解决这个问题的。

整合元数据

数据在各种数字化系统中产生和被采集，然后被储存在各种系统中。我们可以把这些产生或存储数据的各种系统，叫做数据源。

数据目录软件能自动从这些数据源提取信息。这些关于数据的信息，也就是所谓的元数据。

企业里可能有各种各样的数字化系统，分别存储着各自领域的业务数据。比如，传统的 ERP 系统里，存储着进销存数据；CRM 软件里，管理着客户资料；专门用于精细化营销的、自建的会员卡系统，则存储着 VIP 会员积分和营销活动记录。

这些软件的数据库，都由企业自己管理，只是它们互相不连通，而且也不方便给那些需要使用数据的员工随时查询和访问。

数据目录软件可以通过标准的数据库连接方式，来访问这些数据库，获取元数据，也就是关于数据的信息。比如，都有哪些数据表、每个表都有哪些字段，字段都是什么类型，表与表之前有什么关系，把这些元数据统一收集到数据目录中。

企业也可能使用各种 SaaS。用抖店、有赞、微信小商店卖货，用企业微信运营私域，用 Udesk 提供客户服务。

因为不能直接连接它们的数据库，数据目录软件只能通过 API 访问这些 SaaS。

跟访问数据库提取信息不一样，数据目录软件需要为不同的 SaaS API 专门定制数据连接方式，每个 SaaS 的元数据也是单独定制的。实现连接方式的功能模块，叫连接器（Connector）。

理想的数据目录软件，应该内置尽可能多的连接器，让企业可以通过简单几个步骤的配置，就能连接各种数据库、数据仓库、文件存储，连接各种常用的 SaaS 软件， 收集这些来自不同数据源的元数据。

管理元数据

企业中有各种各样的数据消费者（Data Consumer）。他们需要依赖企业的数据来完成工作。他们可能是是产品经理，要使用数据来完善产品体验；可能是开发业务系统的程序员，也可能是业务分析师、数据科学家，或者是负责合规、封控的人，不一而足。

他们需要知道企业有哪些数据，他们的工作也依赖于数据的质量。

就像我们去图书馆借书时， 查查看馆里有没有自己想要的书、有没有被借走，数据消费者使用数据目录软件，也可以达到类似的目的。

数据消费者使用数据目录软件时，可以通过导航页浏览企业中的各类数据信息，也可以用关键词搜索。他们使用的关键字很可能是业务词汇，比如”客户“，假设在 CRM 里，这个数据表叫 customers，而在企业微信，客户数据叫 external contact（外部联系人），那么就需要一定的机制来关联这个业务词汇和对应的元数据。

有些数据目录软件使用 AI 自动匹配数据和相应的业务词汇，但即使不能匹配，它也至少提供一个协作功能，让数据消费者以及负责管理数据的人，来给每一份数据标上业务词汇，打上标签，添加描述信息。

负责管理和维护数据的人，叫数据管家（Data Steward）。一个企业里可能有很多数据管家，不一定专职，他们可能是业务部门的人，负责管理跟自己部门相关的业务数据。

数据管家是数据目录软件的另一类主要用户。他们要保证数据的质量，推动数据在企业中的使用，还要管理元数据的访问权限，确保数据的合规使用。

使用元数据和数据本身

这些使用数据目录软件的不同角色，他们关注的元数据是不一样的。

一般来说说，可以把元数据分成业务、技术、和操作三类：技术元数据，包括数据类型、格式、所属的数据模型（表、字段）、校验规则等；业务元数据，指数据所属的业务领域、主题、治理规则、以及其他任何可以提供业务信息的数据；操作元数据，关于业务系统对数据做了什么处理的信息，数据是从哪里如何采集、经过了哪些转换、被谁访问过。

数据产品经理、程序员关注的是技术元数据；业务分析师、数据科学家、合规审计人员关注的更多的是业务元数据；数据管家则更关注操作元数据。

除了提供这些元数据，数据目录软件一般还提供数据的概要和预览。

数据消费者们可以看到某个数据的大致情况，也就是概要（Profiling），比如有多少条记录、某个字段的取值范围、统计结果，也可以查看它具体的数据样本。

数据管家关注的可能是数据质量，这类信息通常是根据预设的规则，对数据进行校验，并统计、打分。比如大家都熟悉的，身份证的结构规则， 18 位字符，第 7 - 14 位是生日，第 18 位是校验位。可以用这条规则，给某个记录了身份证信息的字段，打分。类似的关于数据的校验规则在不同领域和不同业务中有很多。

当然这里就涉及到一个非常重要的问题，敏感信息保护，数据目录软件要对此提供专门的支持。数据管家可以直接标注某个数据字段为敏感信息，可以提供一些基本规则给数据目录软件，让它自动查找和标注敏感信息。这些规则，可能是特定的字段名，如手机号、身份证之类的，也可能是特定的结构，比如上面提到的身份证的结构。

被标注为敏感信息的数据，要经过了脱敏处理，才能给数据消费者访问和使用。

数据目录软件一般会跟各种数据分析软件，BI 工具集成，方便业务分析师、数据科学家们通过简单的点击操作，就把数据源的信息转到他们习惯的分析和报表工具中使用。

数据目录软件并不是一个新鲜事物。

国外有很多数据目录产品，比如 Alation，Collibra，Informatica, Talend，Data.world，Atlan 等等。国内虽然很少独立的数据目录产品，但各种层出不穷的数据中台，都包含了一些数据目录的功能。

它主要是用于数据治理，帮助企业盘点数据资产，提升数据质量，加强团队对数据的理解，以及确保对数据的使用是合规、安全的。

它并不直接帮我们使用数据，但正如华为陶景行先生所说，“数据治理是企业数字化转型的牛鼻子，必须签好这根绳“，建立数据目录，就是签好这根绳子的第一步。