數據治理是廣義IT治理的一部分，即制定與數據有關的標準規范、管理優化、數據保護、數據變現的政策。簡單來說，數據治理就是讓數據更有序、更合規、質量更好。

隨著數字化轉型認知的加深，數據資產化已經成為數據中臺建設的重要目標和原則，數據治理成為企業繞不過去的一個重要環節，同時數據治理在落地層面也在發生這一些變化。

一、為什么要做數據治理?
數據治理是對數據資產行使權力和控制的活動集合。其最終目的是挖掘數據價值，推動賦能業務。數據治理是以元數據為基礎，實現數據的產生、存儲、遷移、使用、歸檔、銷毀等環節的數據生命周期管理。實現數據從源側到存儲側再到端側的全過程管理，為用戶提供了準確便捷的企業資產信息。

我們都知道，數據本身并不能發揮價值，真正發揮價值的是數據賦能。所謂數據賦能，簡單來說就是將正確的數據在正確的時間交到正確的資源手上，這里的資源可以是人也可以是機器，可以是內部或外部的，也可以是移動或固定的。從數據賦能的角度說，數據治理過程應涵蓋數據信任、數據及時性，以及數據可用性，還有數據保護，但是保護總有個限度，要考慮靈活性，數據保護不能扼殺創新，否則創新將聚焦于如何繞過數據治理。

數據治理是組織實施的一整套涉及數據的行為規范，在維護、控制和保護數據的同時，將正確的數據交付到正確的資源、此外，數據治理通過人員、流程、策略、架構和技術的管控，以保證數據的可用性、一致性、完整性以及合規和安全性，以達成與公司戰略匹配的目的。數據治理實施得當，會提升的完整性和可用度，確保在整個數據生命周期中，實現較高數據質量的目的，這會極大助力數字化轉型。企業需要的不只是一個數據治理的管理系統，而是一整套規則體系。

二、數據治理的發展趨勢
1、數字化轉型速度加快，數據治理的價值進一步提升
隨著企業數字化轉型的加快，企業數據量和價值密度呈現 高增長態勢，不但有管理數據，生產、研發和工藝等環節的數據也越來越多，數據維度越來越多，顆粒度也越來越細。對數據采集、存儲、分析、處理的工具、計算能力、建模應用能力的要求越來越高。傳統分析技術捉襟見肘，需要能力更為強大的內存多維數據庫技術和更強的算力作為支撐。數據治理的必要性大大增加。

2、數據治理和數據平臺架構互相促進互相成就
數據平臺架構的核心是數據中臺建設，數據中臺建設將與業務中臺緊密結合，不斷推動業務運轉過程中的數據采集、存儲處理、分析、應用的全生命周期管理，不斷提升數據治理效率，鞏固數據治理效果。與此同時，數據治理也不斷驗證優化數據中臺架構的合理性、有效性，推動企業建立適應數字時代、市場快速變化條件下的新一代IT架構，完成從業務、財務和技術等全方位的數字化轉型進程。

3、人工智能將大幅提高數據治理的效率和效果
企業的組織、業務、系統、流程變得越來越復雜，數據量越來越大、數據結構越來越復雜，需要投入大量的數據專業人力資源，依靠傳統人工管理監控變得非常困難。數據治理將更多依靠深度學習、自然語言識別、模式識別等人工智能技術，運用到包括元數據和數據架構、主數據和參考數據、數據服務與數據安全等識別和管理工作。在人工智能技術加持下，數據管理自動化水平得到大幅提升，減少了大量重復勞動，不斷提升數據的準確性。

4、從單一的數據質量管理，向數據服務開放演進

傳統的數據治理更強調數據質量管理，核心目的是提高數據質量，支撐決策水平提升。在數字化轉型的大背景下，除了最基礎的數據治理管理以外，更強調數據服務的建立和開放，要求服務更具開放性和靈活性，以適應需求場景的不確定性。在這種形勢下，數據治理就被要求實現數據的可見、可管、可用、可運營，同時支撐數據管理部門從單一的成本中心向價值中心轉型。

5、數據確權成為數據治理的核心和關鍵
數據治理的核心和關鍵任務就是梳理并確認數據的責任和權屬。從數據運營的角度來說，數據由誰負責的問題是根本性問題，對于這個問題的回答，各方也是莫衷一是，有人指向IT部門，也有人說數據管理人人有責，但人人有責等于沒人管。其實從數據治理的角度來說，數據的所有權應該是整個組織，但是需要有人來代替組織行駛管理權，同時數據的源頭和生產部門應該負擔起數據的維護任務。總之，數據的屬主確認是一個嚴肅而又麻煩的問題，涉及到部門墻等管理問題。