DGI（Data Governance Institute，數據治理研究所）認為，企業不僅需要管理數據的系統，更需要一個完整的規則系統以及規章流程。數據治理基本上涵蓋了企業所有與數據有關的內容，因此在整個企業范圍內，包括工作流程、涉及人員和使用的技術等等，都需要經過仔細考量，以保證數據的可用性、一致性、完整性、合規性、和安全性，確保在整個數據生命周期中，都具有較高的數據質量。

數據治理不只是技術問題，更是一個管理問題。例如大家常見的項目管理系統只是一個工具，如何讓項目管理工具與項目管理思想相匹配才是項目管理系統實施過程中的最大挑戰，也才能發揮最大的效果。數據治理也是同樣的道理。

組織信息化建設正從以應用為中心向以數據為中心轉變的關鍵時期，組織也逐步認識到數據的巨大價值，但低質量的數據和復雜的數據應用手段，讓數據價值發掘的效果大大降低，甚至，會讓組織決策層喪失數字化轉型的信心。

那么，如果在項目實施的初期能識別出影響項目實施效果的困難，并找到相應解決辦法，就顯得異常重要。最常見的數據治理問題：

1、跨組織的溝通協調問題。數據治理是一個組織的全局性項目，需要 IT 部門與業務部門的傾力合作和支持，需要各個部門站在組織戰略目標和組織長遠發展的視角來看待數據治理。因此，數據治理項目需要得到組織高層的支持，在條件允許的情況下，成立以組織高層牽頭的虛擬項目小組，會讓數據治理項目事半功倍。

2、投資決策的困難。組織的投資決策以能夠產生可預期的建設成效為前提，但往往綜合性的數據治理的成效并不能立馬體現，它更像一個基礎設施，是以支撐組織戰略和長期發展為目標，所以，導致此類項目無法界定明確的邊界和目標，從而難以作出明確的投資決策。面對此類情況，我們的經驗是采用“大平臺 + 小目標”的實施方案?！按笃脚_”指的是數據治理的支撐平臺?！靶∧繕恕敝傅氖抢没A支撐平臺和一小部分數據實現某一個具體業務目標?！按笃脚_ + 小目標”方案的優勢是能夠快速實現可評估的工作成效，難點就在于基礎支撐平臺要能夠對未來的綜合治理提供足夠的支撐能力，避免重頭再來。以智慧市場監管為例，全部的數據包含企業法人監管、質量監督檢查、食品監管、藥品監管、特種設備監管、主題檢查和執法等等，實施綜合性的數據治理項目，則可以對企業法人實現全維度的分析和預警，而“大平臺 + 小目標”的實施方案則可以實現諸如食品藥品安全監管這些主題性的建設目標。

3、工作的持續推進。數據治理是以支撐組織戰略和長遠發展為目標，應當不斷吸收新的數據來源，持續追蹤數據問題并不斷改進，所以數據治理工作不應當是一錘子買賣，應當建立長效的數據改進機制，并在有條件的情況下，盡量自建數據治理團隊。

4、技術選型。前幾年，隨著大數據的發展，各種名詞層出不窮，令人眼花繚亂，例如：數據倉庫、ETL、元數據、主數據、血緣追蹤、資源目錄、結構化非結構化、Hadoop、Spark、聯機事務處理（OLTP）、聯機分析處理（OLAP）、商業智能（BI），等等。這里面有針對傳統數據庫的，有針對大數據數據庫的，再加上組織對自身數據資產情況沒有一個清晰的認識，這也就導致了數據治理的技術選型困難。而當下，基于傳統關系型數據庫仍然符合絕大多數據企業的業務需求，為避免誤解，以下內容主要針對的是傳統關系型數據庫數據治理的介紹。