數據治理是一個去中心化、多元參與的系統工程。一個全面且明確的數據治理體系，可以幫助組織構建生態式、協同化治理路徑，最大化地提升整體數據質量，實現數據戰略，激活新型生產力。

數據治理主要專注于如下模塊域：

數據集成

用來完成數據入湖動作，不是簡單的數據搬家，而是按照一定的方法論進行數據備份。數據入湖的前提條件是滿足6項數據標準，包括：明確數據Owner、發布數據標準、定義數據密級、明確數據源、數據質量評估、元數據注冊。此標準由數據代表在入湖前完成梳理并在數據治理平臺上進行資產注冊。

數據標準

管理著重建立統一的數據語言，L1到L5數據層級業務對象的定義是數據標準的載體，并對應發布包括L1到L5數據層級的數據標準。各業務對象對應物理實現的IT系統需發布相應的數據字典并進行數據源認證。而對于梳理出來，但沒有落IT系統的業務對象，需在后繼的開發中進行數字化落地。

數據開發

是編排、調度和運維的中心，數據開發是一個提供分析、設計、實施、部署及維護一站式數據解決方案，完成數據加工、轉換和質量提升等。數據開發屏蔽了各種數據存儲的差異，一站式滿足從數據集成、數據清洗/轉換、數據質量監控等全流程的數據處理，是數據治理實施的主戰場。

數據質量

管理的目標在于保證數據滿足使用的要求。數據標準是衡量數據質量最基本的基準。數據質量要求各業務部門對相應數據領域的數據質量全權負責，按業務需求設計數據質量標準，制定數據質量管控目標，并遵循企業數據治理要求進行數據質量度量，制定符合各自業務情況的數據質量政策及數據質量相關的改進計劃，持續進行數據質量管控。

數據資產

包括業務資產、技術資產、指標資產等。數據資產管理是數據治理的重要支撐手段，核心是構建企業級的元數據管理中心、建立數據資產目錄、建立數據搜索引擎、實現數據血緣和數據全景可視。其中元數據包括業務元數據、技術元數據和操作元數據，要求將企業所有概念數據模型、邏輯數據模型以及物理數據模型系統化地管理起來，同時建設企業數據地圖及數據血緣關系，為數據調用、數據服務、數據運營及運維提供強有力的信息支撐。

數據服務

通過在整個企業范圍統一數據服務設計和實現的規范并進行數據服務生命周期管理，集約管理數據服務并減少數據調用和集成的開發成本。

數據安全

由于企業使用的數據資源，既有來自于內部業務系統，所有權屬于企業的數據，同時也有來自外部的數據，必須將數據安全納入數據治理的范疇，對所有企業數據要求依據數據安全等級定義進行數據安全定級，在數據產生、傳輸、存儲和使用的過程中進行必要的數據安全訪問控制，同時對數據相應的CRUD活動均需產生日志以完成安全審計。

主數據管理

是數據標準落地和提升數據質量的重要手段，是企業級數據治理的重要范疇，其目標在于保證在企業范圍內重要業務實體數據的一致(定義和實際物理數據的一致)。主數據管理首先進行企業主數據的識別，然后對已識別主數據按照主數據規范要求進行數據治理和IT改造，以支撐企業業務流和工具鏈的打通和串聯。

管理中心

數據治理的開展離不開組織、流程和政策的建設，管理中心也管理著數據治理過程中公共核心的統一數據源、數據駕駛艙等，滿足不同角色的用戶擁有個性化的工作臺。

數據治理主要模塊域之間的關系如下圖所示：

數據治理各模塊之間的關系

數據標準

為數據開發和設計工作提供核心參考，同時也通過數據開發實現數據標準化落地。數據標準為數據應用提供“一致的語言”；數據標準為主數據管理提供主數據定義的基準，數據標準也是數據質量管理策略設計、數據質量規則制定的核心依據；數據標準所定義的密級分類和責任主體，為數據安全管理提供依據；數據標準也是數據資產管理重要輸入。

主數據管理

通過數據開發實現核心數據的一致性地記錄、更新和維護，是數據質量提升的重要手段。主數據管理保障了數據應用和運營過程中核心數據的存在和一致性。

數據質量管理是數據應用和運營過程中數據準確性、一致性、完整性、及時性、唯一性、有效性的重要保障，是數據業務價值創造的重要前提。

數據資產管理

模塊完成元數據的采集和注冊，數據資產管理為數據應用和數據消費提供了解數據的窗口。

數據服務管控

實現在數據服務開發過程中服務標準、規范、要求和管理的落實，數據服務打通數據應用和數據消費的物理通道。

數據安全

在數據開發過程中完成數據安全的IT實現，以達成數據應用過程中安全管理規范的要求。

DGC各模塊之間的示意圖

以上工作的有效開展，離不開組織管理、明確的責任人、考核體系、流程制度、數據治理政策和數據治理平臺的支撐。