數據治理試圖通過一系列的框架和方法指導企業開展數據管理工作。要能夠清楚的回答數據在哪里、數據有誰負責等問題。數據治理不是一項技術工作，需要管理和技術緊密結合，就工作內容而言是“七分管理、三分技術”。不同機構對數據治理體系的劃分不完全相同，但包含以下內容：
一、數據治理戰略（目標）
最宏觀層面：數據治理的規劃、方向、目標、原則。
二、數據治理組織架構
一般在決策層成立數據治理委員會，由高層領導最好是企業“一把手”掛帥。管理層設立對數據治理的歸口管理部門。操作層明確相應的崗位和人員
三、數據治理制度流程
企業內部的數據管理制度建設。涉及的方面包括元數據管理、數據模型管理、數據標準管理、數據質量管理等。
一、建立數據成熟度管理機制：以《數據管理能力成熟度評估模型》為基礎，并充分結合聯想自身實際以及我國大數據標準化、治理的發展應用現狀和趨勢，提出了基于我國產業發展現狀的、符合聯想戰略發展需要的數據管理能力成熟度評估模型，將組織數據管理能力劃分為 8 個能力域，包括：數據戰略、數據治理、數據架構、數據標準、數據質量、數據安全、數據應用、數據生存周期。
二、開展數據編目管理：通過對數據資源依據規范的元數據描述，對企業數據資產進行邏輯集中的管理。通過數據資源目錄含有的各數據資源的描述信息，為對數據資源的檢索、定位和獲取提供便利，幫助企業決策者們明細企業所擁有的數據資產以及其數據資產的管理狀態，提供企業數據資產顯性化的應用入口，真正實現數據的可見、可管、可用。
三、開展數據質量管理：作為一家跨越了IT與制造業的業，聯想大數據的質量管理工作涵蓋產品研發、生產、市場、客戶、物流供應鏈、售后服務、財務、人力、生產設備儀器儀表、傳感器、產品、環境法規、社會經濟等數據，流程長、種類多、范圍廣。數據質量的問題往往表現為一個或多個質量維度存在缺失，從而無法滿足企業和用戶的實際需要。主要表現在準確性、完整性、一致性、及時性、唯一性等方面。通過建立客觀、全面、可行的數據質量檢測、治理與持續改善機制，使大數據能夠良好的服務于集團全層次數字化轉型，是開展數據標準化及治理的頂層設計、過程控制和事后評估的重要過程。
四、建立健全的數據安全管理機制：承載著大量價值巨大企業的數據，蘊涵著生產情況及運行規律。一方面，推動建立標準化的全產業鏈數據安全管理體系，明確相關主體的數據安全保護責任和具體要求，加強數據生命周期各環節的安全防護能力，可有效避免用戶隱私或重要數據遭到不法竊取或利用；另一方面建立數據分級分類管理制度，形成數據流動管理機制，明確數據留存、數據泄露通報要求和應急機制。
目前對于數據治理體系包括哪些內容業界并沒有公認的標準答案，只有一些可供參考的體系框架。其中具有代表性的，國際上是由國際數據管理協會（DAMA）提出的DMBOK，國內是已成為國標的數據管理成熟度評估模型（DCMM）。DMBOK包含了11個管理職能，即數據治理、數據架構、數據建模和設計、數據存儲和操作、數據安全、數據集成和互操作、文件和內容管理、參考數據和主數據、數據倉庫和商務智能、元數據、數據質量。DCMM則包含了8個管理職能，即數據戰略、數據治理、數據架構、數據標準、數據質量、數據安全、數據應用、數據生存周期。
企業需要運用數據思維去規劃未來企業發展創新。數據治理對企業具有廣泛的意義，不僅僅關注數據標準，數據質量，同時還關注企業數據的流轉，應用，共享，安全，數據戰略，數據資產等方面，是企業基于數據引導業務創新的關鍵。今天數據治理體系建設，具備了更廣泛的內涵和外延，需要明確數據治理歸口管理部門，加強數據標準化、元數據和主數據管理工作，定期評估數據治理能力成熟度。推進國企業務，例如生產現場、服務過程等數據動態采集，建立覆蓋全業務鏈條的數據采集、傳輸和匯聚體系。建設大數據平臺，創新數據融合分析與共享交換機制。強化業務場景數據建模，深入挖掘數據價值，提升數據洞察能力。數據治理是國有企業數據驅動的基礎，也是國有企業數字化轉型的必經之路。
