就目前而言，關于數據資產管理，談論最多的還是數據管理和數據治理這兩個概念。數據管理和數據治理有很多地方是互相重疊的，它們都圍繞數據這個領域展開，因此這兩個術語經常被混為一談。那么，對于這兩個概念，兩者的準確定義是什么，具體區別又是什么？

數據管理包含數據治理
數據治理是數據管理最顯著的領域。數據管理協會（DAMA）在數據管理知識體系（DMBOK）中認為，數據治理是數據管理的一部分。根據企業信息管理（EIM）的定義，強調了數據/信息管理和治理上的緊密關系，也重申了數據管理包含治理這個觀點。Gartner認為EIM是“在組織和技術的邊界上結構化、描述、治理信息資產的一個綜合學科”。DMM模型中包括六個有效數據管理分類，而其中一個就是數據治理。
數據治理與數據管理的區別
數據治理是用來明確相關角色、工作責任和工作流程的，確保數據資產能可持續地、長期有序地得到管理。而在數據管理過程中要保證一個組織已經將數據轉換成有用信息，這項工作所需要的流程和工具就是數據治理的工作。數據管理是一個更為廣泛的定義，它與任何時間采集和應用數據的可重復流程的方方面面都緊密相關。例如，簡單地建立和規劃一個數據倉庫，這是數據管理層面的工作。實施各種各樣針對元數據和資源庫管理工作的標準，并且定義誰以及如何訪問這個數據倉庫，這是治理層面的工作。
關鍵的不同點
雖然數據治理是數據管理中的一部分，但后者必須要由前者來提供可靠的信息到核心業務流程。數據管理包括數據管理戰略、數據質量、數據生命周期管理、平臺與架構以及聚集于其他因素之中的流程和風險管理。情景化這兩個領域的最好辦法，就是理解數據治理是負責正式化任何數據管理當中的流程，數據治理本身著重提供一整套工具和方法，確保企業在實際上治理這些數據。
數據建模
數據建模結合了數據管理與數據治理兩者進行協調工作，是數據管理中，依賴于數據治理的關鍵領域。遵從一致性的數據建模，令數據標準變得有價值。利用數據建模技術直接關聯不同的數據治理領域，將數據治理工作擴展到其他業務部門，確保數據治理貫穿整個企業。例如數據血緣關系以及數據質量。當需要合并非結構化數據時，數據建模將會更有價值。此外，數據建模加強了治理的結構和形式。
數據治理領域
業務詞匯表：建立統一的業務術語對于企業而言非常關鍵，如果這些術語和上下文不能橫跨整個企業的范疇，那么它將會在不同的業務部門中出現不同的表述。
元數據：元數據通常聚集于業務詞匯表上，要求數據元素和術語的一致性定義
數據質量：數據質量是非常重要的，它極大提升了治理的水平。數據質量的具體措施包括數據詳細檢查的流程，目的是讓業務部門信任這些數據。
參考數據管理：參考數據結合元數據，提供數據的上下文。由于參考數據變更的頻率較低，參考數據的治理經常會被忽視。
生命周期管理：數據保存的位置、數據保存的時間跨度以及數據如何使用都會隨著時間而產生變化，某些生命周期管理還會受到法律法規的影響。