近年來，隨著大數據產業的蓬勃發展，企業和政府對于自身的
數據價值產生了重新認知。數據越來越多，怎么管？如何用？才能讓數據發揮價值，成為了眾多企業的一個難題！“數據”，當代社會重要的潛在資源之一，
數據治理已經成為全球治理的重要議題。綜觀當前全球數據治理，個人數據濫采濫用、企業數據交易糾紛頻發、公共數據開放利用滯后、數據跨境流動風險較大等一系列問題，亟須解決。
有效的數據治理可以確保企業數據全面、一致、可信，從而全面釋放數據的價值，提高業務流程效率、提升業務增長的機會，驅動企業
數字化轉型。
這聽起來很簡單，但事實上數據治理對每個企業都是一項很大的挑戰。數據治理在為企業提供價值的時候，往往會遇到很多問題，比如：沒有明確的戰略需求，
數據標準缺失，數據源頭不清晰，
數據質量缺乏監管等。這就需要我們要有統一的數據標準和良好的數據質量來構建數據治理體系。
01明確的數據標準
企業進行數據治理的過程中，頂層設計和組織建設尤其關鍵。我們需要將數據治理視作一項戰略層面的活動，要有明確的目標和方向，使得數據治理最終能夠滿足業務需求，為業務創造價值。
根據企業自身的戰略需求以及數據現狀可以從以下幾點切入：
1.對企業業務進行定義，并對每個業務中的業務活動進行梳理，同時需要收集各類業務單據、用戶視圖，梳理每個單據和用戶視圖之間的數據對象。
2.針對數據對象進行分析，明確每個數據所包含的數據項，同時，梳理并確定出該業務中所涉及的數據指標和指標項。
3.梳理和明確所有數據指標的關系，并對數據之間的關系進行標準化定義。數據關系也是數據標準管理的內容。
4.通過以上梳理、分析和定義，確定出
主數據標準管理的范圍。
對數據進行充分調研后，企業就可以針對性的制定
數據治理方案。對于不同業務類別的數據項，則需要梳理出數據之間的聯系，方便進行數據之間的關聯分析。
數據標準是企業數據治理的一部分，是一個涉及范圍廣、業務復雜、數據繁雜的工程。數據標準的實施絕非是一個部門的事情，需要從整個組織考慮，建立專業的數據治理體系。
02以價值為導向的數據治理
數據治理在為企業提供價值的時候，往往會遇到很多問題，主要表現為以下三點：
1.部門各自為政，數據反復清洗加工、分析工具重復采購、挖掘成果小范圍使用、先進經驗未能共享；
2.數據割裂：管理條線間數據割裂、數據來源間未能打通、數據脫敏后喪失價值，比如我們在做洗錢交易識別時發現交易對手的唯一標示全部是星號，這就是選取了錯誤的脫敏方式導致的不可恢復的錯誤后果；
3.缺乏系統性管理：缺乏全面的圍繞客戶、風險、運營、財務等全面規劃分析場景，執行過程隨意，流程體系不健全，保障不到位，數據和模型資產流失嚴重。
數據治理便是為數據資產保值增值而服務的。其目標是消除歧義、減少數據孤島，降低數據使用成本，提高對業務的響應，提高對數據隱私安全保護。
實施數據治理可以為數據管理提供可信任的數據，減少數據重復，增強業務和IT對于數據的信心，改善數據的及時性和可用性，建立通用的數據詞匯表，以確保訪問正確的信息，定義企業范圍（或站點/項目范圍）的值以獲取公共參考數據，提供信息和指導，以協助有關數據的合規性和監管工作。
（部分內容來源網絡，如有侵權請聯系刪除）
