数据管控背景
数据管控是在做大数据平台包括传统BI都需要做的工作，数据从各个源过来，我们都要进行数据质量的管理，也就是我们常说的数据治理。那么在数据仓库建设的时候如何进行数据管控呢？
管控手段包括对数据质量、数据生命周期、数据标准、元数据四方面的管控。
管控手段
数据质量
不管是做数据仓库建设还是做数据分析，一致和准确的数据是数据模型与决策分析的基础。在实际生产环境中，我们从不同的系统抽取数据到大数据平台，那么我们就要提供一套数据监控机制，对数据质量进行监控。良好的、高质量的数据可以有效降低系统建设成本。
数据标准
保证标准命名、编码、业务解释等内容的唯一性。只有建立相应的标准，同时加强业务的标准化工作，规范重点业务内容，强化业务管理。并在实时过程中加强现有数据的交互性，支撑统一的业务管理，只用建立的数据标准，才能推动主数据系统的建设，完成重点数据的统一管理，为后期数据模型完全共享打下坚实的基础。
同时在数据质量监控的同时，我们会不断完善数据标准，以适应企业内部多变的系统环境，从而形成良性循环。
数据生命周期
随着企业业务的增长，越来越多的数据汇入大数据平台，同时在建设数据仓库的时候，我们还进行了数据分层管理，数据会存在多份共存情况，那么此时我们就要做数据生命周期管理，对不必须保存的数据，进行冷数据管理。控制数据的生命周期，一方面可以减低成本、简化管理，同时也为我们集群腾出了资源，提高了系统性能，尽可能满足现有业务的高效运行。另外，在做数据生命周期管理的同事要注意一些风险，比如法规，对于很多互联网、银行、电信、车联网等企业，相关部门会提出原始数据必须保持多长时间的要求。在制定数据生命周期管理时，一定要注意！
元数据
之前写过一篇文章介绍过数据仓库的元数据《数据仓库元数据》。元数据就是对一些业务术语、标准等的统一定义、管理。对各种数据流接口的统一管理。同时在构建数据模型的时候，通过元数据我们可以进行血缘分析等。
总结
通过上面我们介绍的管控手段的几个要点，那么在实施过程中是否能够成功呢？大概率不会，因为团队总会有那么几个人嫌规范太繁琐，不按套路出牌，所以建立一些标准的基础上，在实施过程中我们还有建立一些规章制度，来帮助我们的规划落地，比如和员工绩效挂钩、或者制定一些流程管控、增加上线审核机制等。
只有管控好数据，才能更好的保证数据仓库的成功实施。