气象大数据时代已经来临。如何交付可信、安全的信息并最大化挖掘气象数据的价值?这需要我们构建合理的数据治理体系，走上信息集合、治理有序、价值聚变的良性道路。

　　50年前，说起气象数据，人们的思维还仅仅停留在大气圈。随着时代的发展，气象如同一把“盐”，融入了社会的方方面面，人们对气象数据的需求同样与时俱进，大气、地表、海洋乃至碳循环、动态植被，都已经纳入气象数据的涵盖范围。如今，气象大数据时代已在眼前，实现监测精密、预报精准、服务精细，服务生命安全、生产发展、生活富裕、生态良好，都离不开气象大数据的支撑。科学的数据治理，正是催生大数据实现大价值的必由之路。

　　构建数据治理体系是当务之急

　　数据治理并不是一个新概念，但由于大数据时代的到来，它在今天变得前所未有的热门。国际数据管理协会(DAMA)为数据治理给出定义：对数据资产管理行使权力和控制的活动集合。元数据管理，主数据管理，数据标准、质量、交换、资产、安全、生命周期管理……数据治理涵盖的范围非常广泛。简单地说，它着重于交付可信、安全的信息，以辅助业务决策、提升流程效率，并最大化数据的价值。

　　对于以欧洲中期天气预报中心为代表的发达气象机构而言，数据治理已经行之有年，他们正走在信息集合、治理有序、价值聚变的良性道路上。而我国气象部门目前还缺乏较为完备的数据治理体系，存在着数据标准系统性不强、数据质量参差不齐、各环节存在一定程度的孤岛现象等问题。基于这样的现状，构建数据治理体系就显得尤为重要。

　　气象大数据治理都有哪些内容

　　在知识管理领域，有一套著名的DIKW分级模型。它将数据分为四个层级，由低到高分别是数据(Data)、信息(Information)、知识(Knowledge)及智慧(Wisdom)的体系。

　　对于气象数据而言，这个模型同样能够适用。例如某个观测站观测到某日的最高气温是35℃，这就是一个数据。而综合整月、全年乃至更长时段的气温数据，便能得到这个站点的气温序列，这就是信息。基于某城市多个观测站的常年观测资料，人们就能够判断当地的气候条件如何，这就形成了知识。而如果人们能够对知识进行进一步挖掘分析，利用它提炼出正确的决策，就进一步提升到了智慧。从最底层的观测结果到最高层的智慧，数据就是在这样的阶梯中上升，递增中产生巨大的价值。

　　如果放宽视野，无论是气象业务，还是气象部门自身政务等各类事务，都无时无刻不在产生着巨量的数据，而这些数据，都可以用同样的模型进行组织管理，最终实现价值的升华。

　　在这样的进化与升华过程中，标准始终发挥着举足轻重的作用。PDCA循环式品质管理认为，通过规划(Plan)、执行(Do)、核查评估(Check)、修正(Act)循环的方式，能够形成提高质量的闭环，而在这个过程中，每前进一步，都少不了作为“台阶”的标准。

　　由此可见，气象数据的标准化，是形成数据质量提升“闭环”不可或缺的前提，同样也是气象大数据治理的重要组成部分。在这个过程中，还要对气象数据进行质量管理，保证其准确性、及时性、完整性、一致性、合规性和可访问性。而实施数据安全管理是数据作为生产要素市场化配置的重要前提，必须明确数据安全分级，确保数据合规、保护产权隐私、规范操作行为。所有数据治理行为，均需贯穿于需求、收集、处理、存储、服务到退役全生命周期的规划管理之中。

　　大数据云平台建设同样需要有效治理

　　如今，大数据云平台的建设正在全力推进中，其“云+端”的结构，将带来大量业务系统的融入，平台体量必然越来越大。在这个时刻，数据治理的介入显得尤为必要。

　　在这一轮大数据云平台业务融入的推进过程中，跨系统、跨业务的数据复用问题尚有短板，长此以往，将面临个性化数据膨胀的新问题。而融入了数据治理的“云+端”2.0系统，将把数据复用能力沉淀下来，形成一套数据资产化体系。这样一来，数据将能够灵活高效地服务于各类业务，数据虽然越用越多，但却会越来越好用。

　　与数据类似的，还有同样即将融入大数据云平台的各类算法。当平台上建立起算法库后，有效的数据治理可以进行“算法+数据”的再提炼，形成算法越融越多、越来越具有普适性的良性循环，进一步实现算法沉淀和知识沉淀。在数据治理的帮助下，大数据云平台才能成为值得用户信赖与依靠的数据中心。

　　责任编辑:张华