數據治理
數據治理是一個通過一系列信息相關的過程來實現決策權和職責分工的系統，這些過程按照達成共識的模型來執行，該模型描述了誰（Who）能根據什么信息，在什么時間（When）和情況（Where）下，用什么方法（How），采取什么行動（What）。

數據治理的最終目標
提升數據的價值，數據治理非常必要，是企業實現數字戰略的基礎，它是一個管理體系，包括組織、制度、流程、工具。

數據治理的本質
解決組織、制度、流程關于數據的問題，解決數據認責，數據可信，數據一致的問題，提供平臺、工具、方法

數據治理范圍的確定
1. 數據治理的藍圖規劃及其目標
2. 確定主題域及主題域邊界（此處需要業務調研）
3. 成立相應的組織、制度、流程
4. 對數據平臺進行調研選型

數據成熟度評估、數據質量報告
輸出物：藍圖以及目標，政策（數據模型管理政策、數據質量管理政策、元數據管理正常、主數據管理政策、數據服務管理政策）、流程（數據標準管控流程、是數據質量管理流程、數據需求流程、數據資產下架流程、主數據管控流程）、數據 owner 的發布，組織以及流程制度的成立與發布；

數據資產的盤點
1. 明確數據資產盤點的粒度
主題域分組、主題域、業務對象、邏輯 s 實體、屬性
2. 業務調研、系統調研
調研企業所有系統情況，收集所有系統名稱，建設目標，系統類型劃分，使用者，用戶來源和規模。
3. 業務流程的梳理
梳理業務與業務之間的流程關系，業務流程涉及的關鍵主體與動作，輸入輸出情況；
4. 業務流程的分解
識別各業務環節涉及的人、事、物， 輸入、輸出、組件和數據；輸出業務流程圖；根據梳理好的業務流程圖，轉換成對應的數據流圖；
5.數據標準的梳理

對于數據按照主數據、參考數據、交易數據、分析數據進行分類，并梳理出數據的技術標準和業務標準；補充和整理完整的數據字典；
? 落地范圍：哪些標準需要落地 涉及到哪些 IT 系統
? 差異分析：與現有數據的差異 差異有多大
? 影響分析：對哪些系統產生影響 產生什么樣的影響 影響是否可控
? 落地方案：組織架構 人員分工 考核制度 監管方案
? 落地執行：發布標準 標準映射 常態化
? 效果評估：跟蹤評估落地的效果 哪些事做對了 哪些事需要改進
6. 數據的分級分類 數據分類分級，根據行業標準和特點對于數據資產進行分類，將數據資產劃分為公開、內部、敏感等不同的敏感等級；
? 輸出物：數據資產目錄，數據 CRUD 矩陣，數據標準，數據治理策略

數據治理實施方法論
數據治理的目的：一般是為了提高數據質量，以便于數據可以更好地服務于業務，對業務進行賦能 數據質量常見的問題：完整性、一致性、準確性、及時性、有效性 數據質量的根源：業務系統的變更、開發運維人員的參差不齊、手工錄入。
數據治理的方法論

1. 主數據治理：
指企業內一致并共享的業務主體。特點：準確性、一致性、集成性、共享性/可重用性和高價值。主數據治理一般會作為單獨的項目來做，MDM 系統。一般是從源端進行管控治理
? 主數據的主要問題：
關鍵信息孤島，數據分布在多個孤島，不能跨組織傳播 組織內不能就一個主數據源達成一致 數據質量問題引發的業務流程和交易的失敗 不正確或丟失數據造成合規性和績效管理的問題 決策者做出基于錯誤數據的錯誤決定
? 主數據解決方案：
? 數據轉換映射
? 由應用系統承擔主數據管理功能
? 集中管控

2. 交易數據治理
交易數據一般可以先在數據平臺先行治理，之后再在源端進行管控治理

3. 參考數據治理
參考數據一般可以先在數據平臺先行治理，之后再在源端進行管控治理

4. 分析數據治理
分析數據一般可以在數據平臺進行治理

5. 數據模型、數據標準的治理
數據模型、數據標準一般可以先在數據平臺先行治理，之后再在源端進行管控治理

6. 元數據治理
是企業數據資產管理的基礎，是關于“數據的數據”，例如數據類型、數據定義、數據關系等，相當于數據表格中的表頭信息，是一個相對客觀的概念。元數據一般可以先在數據中臺先行治理，之后再在源端進行管控治理

7. 數據資產成本的治理
? 資產上線容易下線難
? 低價值的數據資產
? 資產的煙囪式開發
? 數據的傾斜
? 資產的生命周期
? 調度周期的合理性
? 任務參數的合理性
「如何優化」
? 數據資產的全鏈路血緣
? 針對未使用的資產，進行下架處理
? 針對低價值，使用頻率低的資產，按照應用粒度評估應用是否還有存在的必要，可進行下架策略，以及優化模型
? 針對高價值的，評估計算資源與存儲資源，以及優化模型

8. 數據資產安全合規
? 數據資產進行分級分類
? 數據資產進行加密
? 數據資產進行權限管控
? 數據使用進行流程申請
? 對關鍵數據制定跟蹤制度
? 遵從相關法律法規
輸出物：數據平臺的搭建；數據門戶的建立；