近些年來，“數據治理”這個詞總是高頻出現，讓人們對其“身世背景”格外好奇。國際數據治理研究所(DGI)給出的定義：數據治理是一個通過一系列信息相關的過程來實現決策權和職責分工的系統，這些過程按照達成共識的模型來執行，該模型描述了誰能根據什么信息，在什么時間和情況下，用什么方法，采取什么行動。
一、數據治理治什么？
數據治理專注在數據本身。數據治理的目標，是對數據質量進行提高，同時確保數據的安全性，推進數據資源的整合、共享進程。廣義上講，數據治理是對數據實現全生命周期管理。只要是為整個數據生命期而展開的業務、技術、管理活動，都屬于數據治理的范疇，包括但不限于傳統數據集成和存儲環節的工作（如數據采集、清洗、轉換等）、數據資產目錄、數據標準、質量、安全、數據開發、數據價值、數據服務與應用等。
二、數據治理包括哪幾個方面？
1、數據資源梳理
從業務的角度理清組織的數據資源環境和數據資源清單，包含組織機構、業務事項、信息系統，以及以數據庫、網頁、文件和 API 接口形式存在的數據項資源，本步驟的輸出物為分門別類的數據資源清單。
2、數據采集清洗
通過可視化的 ETL 工具將數據從來源端經過抽取 (extract)、轉換 (transform)、加載 (load) 至目的端的過程，目的是將散落和零亂的數據集中存儲起來。
3、元數據管理
元數據管理是對基礎庫和主題庫中的數據項屬性的管理，同時，將數據項的業務含義與數據項進行了關聯，便于業務人員也能夠理解數據庫中的數據字段含義。
4、基礎庫與主題庫建設
基礎數據一般指的是主數據，例如智慧城市中的人口、法人、地理信息、信用、電子證照等數據。主題數據一般指的是某個業務主題數據，例如市場監督管理局的食品監管、質量監督檢查、企業綜合監管等數據。基礎庫和主題庫的建設就是在對業務理解的基礎上，基于一定的原則設計數據庫表結構，然后再根據數據資源清單設計數據采集清洗流程，將整潔干凈的數據存儲到數據庫或數據倉庫中。
5、質量管理
數據價值的成功發掘必須依托于高質量的數據，唯有準確、完整、一致的數據才有使用價值。因此，需要從多維度來分析數據的質量，例如：非空檢查、偏移量、規范性檢查、值域檢查、關聯關系檢查、重復性檢查、波動檢查、離群值檢查等等。
6、血緣追蹤
在元數據和數據資源清單之間建立關聯關系，且業務團隊使用的數據項由元數據組合配置而來，建立數據使用場景與數據源頭之間的血緣關系。在數據被業務場景使用過程中，發現錯誤時，數據治理團隊可以快速定位數據來源，修復數據錯誤。
7、數據資源目錄
數據資源目錄一般應用于數據共享的場景，例如政府部門之間的數據共享，數據資源目錄是基于業務場景和行業規范而創建，同時依托于元數據和基礎庫主題而實現自動化的數據申請和使用。
8、數據共享交換
數據共享分為庫表、文件和 API 接口三種共享方式，庫表共享比較直接粗暴，文件共享方式通過 ETL 工具做一個反向的數據交換也就可以實現。我們比較推薦的是 API 接口共享方式，在這種方式下，能夠讓中心數據倉庫保留數據所有權，把數據使用權通過 API 接口的形式進行了轉移。API 接口共享可以使用 API 網關實現，常見的功能是自動化的接口生成、申請審核、限流、限并發、多用戶隔離、調用統計、調用審計、黑白名單、調用監控、質量監控等等。
