一、數據治理的定義
數據治理（Data Governance）是組織中涉及數據使用的一整套管理行為。由企業數據治理部門發起并推行，關于如何制定和實施針對整個企業內部數據的商業應用和技術管理的一系列政策和流程。
二、數據治理的意義
1、降低運營成本
眾多案例證明，可以通過精細化和自動化所有可能的數據降低運營成本。這些流程大部分都流經多個系統，組織的多個業務部門的數據庫和應用程序，例如：財務，人力資源資源，銷售和市場營銷等。提供統一而清晰的數據視圖和擁有的信息可以幫助消除許多手動任務并解決幾個冗余問題使成本和復雜性保持在較高水平。
2、提升業務敏捷
通過建立一致的企業數據模型，統一的組織數據的展示和利用，從而讓業務人員能夠更快的獲取用戶及產品相關數據，獲得最快的市場信息和洞察，從而能夠提升業務對于市場的響應力，讓業務更敏捷。
3、管理風險和合規
企業合規和風險管理很重要，尤其是受到嚴格監管的金融服務行業中，風險管理以及遵守外部法規和內部政策會引入其他要求數據使用的透明性以及基于這些數據的報告操作。通過定義所有必要的數據標準，政策和流程并形成具有明確角色和職責的框架，可控制這些策略應用的風險。
三、數據中臺的定義
雖然業內無非常明確的定義，但是以大多數人都認可的一種解釋來看，數據中臺其實是一個概念，是一套可持續的“讓企業的數據用起來”的機制，是一種戰略選擇和組織形式，是依據企業特有的業務模式和組織架構，通過有形的產品和實施方法論支撐，構建的一套持續不斷把數據變成資產并服務于業務的機制。
四、數據中臺的意義
1、打破數據孤島，形成開放的企業數據格局
企業基于自身的信息化建設基礎、數據基礎以及業務特點對數據中臺的能力進行定義，基于能力定義利用數據組件搭建自己的數據中臺。
2、深度挖掘數據價值，為整合高階算法打下基礎
數據中臺構建了開放、靈活、可擴展的企業級統一數據管理和分析平臺，將企業內、外部數據隨需關聯，打破了數據的系統界限。中臺能有效滿足企業各級對數據分析應用的需求，利用大數據智能分析、數據可視化等技術，實現了數據共享、日常報表自動生成、快速和智能分析。通過深度挖掘數據價值，助力企業數字化轉型落地。實現了數據的目錄、模型、標準、認責、安全、可視化、共享等管理，對數據進行了有效的集中存儲、處理、分類和管理。
3、數據中臺補充了傳統數據倉庫ETL模式的短板
數據分析正實現從統計分析向預測分析轉變、從單領域分析向跨領域轉變、從被動分析向主動分析轉變、從非實時向實時分析轉變、從結構化數據向多元化轉變的“五大轉變”。數據的預處理流程正在從傳統的ETL結構向ELT轉變。傳統ETL結構下，數據經歷抽取、清洗和加載到達數據倉庫。而ELT結構，其根據上層的應用需求，隨時從數據中臺中抽取想要的原始數據進行建模分析。
四、數據治理與數據中臺的區別
歸納起來看，從價值層面來看，數據中臺的價值在于業務數據化、數據資產化、資產服務化和服務業務化。而數據治理則是實現數據資產化的重要步驟。不同于過去的數據平臺，數據治理不是數據平臺的附件，而是數據中臺建設的一個重要組成部分。
數據治理在消除數據孤島、提高數據質量、保障數據安全等方面，支撐中臺數據的可見、可用、可運營。
