數據到底怎么治，這確實是一個寬泛的話題，首先是要明確治理的內容。針對不同的治理內容采取不同的數據治理策略。關于小數據和大數據的治理側重點上文已經說明數據治理領域總結的數據治理十大關鍵實踐：

1、成立組織，育人才
數據治理的根本目標的是提升數據質量，控制數據安全和合規使用。數據治理涉及范圍廣，參與人員多，需要一定的組織和制度的保障才可能獲得成功。首先，依據行業經驗來看，不論是基于后臺的小數據治理，還是基于中臺的大數據治理，“一把手”工程是數據治理組織建設的最佳實踐。尤其是中臺數據治理更是上升至企業戰略層面，自下而上的治理幾乎不太可能成功。其次，數據治理組織的建立并是組建一個非臨時團隊，而是要能夠支撐企業數據化業務的一個完整體系，包括：組織體系、管理體系、執行體系、技術體系等。第三，數據治理組織的人員選拔和人才培養，不同企業應有不同的策略。一般來說，建立數據治理組織從企業內部進行選拔相應的技術專家、業務專家更為合適，要比從外部招聘更能夠快速上手。不過，對于傳統企業，其內部更偏管理，數據治理團隊建設更多需要借助外部力量。

2、需求調研，摸家底
與數據項目一樣，詳細需求調研是開展數據治理工作的第一階段的重要工作。本階段主要是理解企業的戰略，并按照從上而下的策略進行開展企業數據管理的現狀調研，摸清楚企業數據資產的分布、數據的質量、數據的管理現狀、數據應用需求等情況。該階段的工作目標是確定數據治理項目的目標和范圍，評估數據治理成熟度，確定改進內容和方向并與客戶達成共識。

3、梳理數據，建標準
按照業務主題進行數據資產的梳理，并制定數據資產的標準。首先，定義數據資產元模型標準，包括：數據資產的數據含義、業務規則、質量規則、數據來源、存儲路徑、管理部門、管理人等，即數據資產的元數據標準，定義好數據模型是數據治理成功落地的重要前提；其次，重點對企業的核心數據資產——主數據進行標準化，包括：主數據標準化定義、參照字典的標準化、數據清洗、數據服務共享等；第三，對業務指標的屬性的標準化，指標的屬性分為“業務屬性”和“技術屬性”兩類，業務屬性包含業務人員通常認識的指標分類、名稱、計算公式、展現方式和查詢權限等；技術屬性包含技術運維人員所關心的系統來源、取數字段、取數頻率、加工規則等，其核心也是元數據管理。

4、優化流程，定制度
對于企業而言，數據來源于很多方面，內部數據如財務、人力、供應鏈、生產、銷售等；外部數據如政治、經濟、社會、科技、行業、市場、競爭對手等。雖然數據來源廣、數據量大是優點，但如果不加以整理和關聯，雜亂無章的數據不僅不利于分析應用，還將帶來不必要的人財物的消耗。所以，非常有必要對數據產生、采集、處理、加工、使用等過程進行規范。通過統一數據標準，制定合理的數據管理流程和制度，規范數據生產供應的過程。

5、搭建平臺，接數據
數據治理平臺的搭建要根據不同的客戶需求搭建不同模塊，數據治理平臺主要涵蓋功能模塊有：元數據管理、主數據管理、數據質量管理、數據標準管理、數據安全管理、數據模型工具、ETL工具等。數據接入是將各種來源、各種類型的數據，通過數據集成工具將這些零散的數據整合在一起，納入統一的大數據平平臺或數據倉庫中，這一過程需要符合數據治理平臺定義各種數據標準、質量規則、安全指標。所以，我們說數據治理項目不是為了治理數據而建設的，而是配合大數據平臺、數據倉庫、數據分析挖掘等項目，通過提升數據質量、控制數據安全，讓數據發揮出最大的效益。

6、建立指標，提質量
提升數據質量是企業數據治理的重要目標，也是企業進行數據分析挖掘、業務管理和決策的重要基礎，只有建立完整的數據質量體系，才能有效提升企業數據整體質量，從而更好的為業務服務。從技術面上講，定義完整全面的數據質量的評估維度，包括完整性、時效性等，并按照已定義的維度，在系統建設的各個階段都應該根據標準進行數據質量檢測和規范，及時進行治理，避免事后的清洗工作。

7、優化模型，控安全
數據安全治理，始于數據資產梳理。通過對數據資產的梳理，可以確定敏感數據在系統內部的分布、確定敏感數據是如何被訪問的、確定當前的賬號和授權的狀況。根據企業的數據價值和特征，梳理出企業的核心數據資產，對其分級分類，通過數據治理工具進行建模，定義敏感數據位置、描述和處理方式，保證數據的合規合法使用。

8、開放服務，促應用
數據的治理是為促進數據更好的應用，一切不以應用為目的數據治理都是耍流氓。通過數據資產目錄、微服務等技術將數據進行開發共享，促進數據在企業中的應用，使得數據作為企業的寶貴資產應用于業務、管理和戰略決策中，發揮數據資產價值。

9、賦能業務，抓創新
數據賦能是在管理和業務應用中發揮數據更大的價值，以數據驅動業務的落地。數據賦能核心是，①匯聚數據：完善企業內部信息數據化，采集外部數據；②治理數據：整合數據，清洗、轉換、分析、服務；③應用數據：以數據為驅動將洞察結果應用到實際業務中去，推動企業業務和管理的創新。

10、持續優化，再出發
企業的數據治理是一個螺旋上升模型，需要不斷的迭代和優化。數據治理不能一蹴而就，需要建立起長效的持續運營機制，要將數據治理變成企業的一種機制、一種文化、一種習慣，而數據治理每一次迭代優化都預示著企業數據戰略目標的再出發！