一、什么是數據治理？
數據治理是一個實現數據價值的過程。通過采集、傳輸、儲存等一系列標準化流程將原本零散的數據變成格式規范、結構統一的數據，同時對其進行嚴格規范的綜合數據監控，保證數據質量；然后對這些標準化的數據進行進一步的加工分析，形成具有指導意義的業務監控報表、業務監控模型等。讓企業的數據從不可控、不可用、不好用到可控、方便易用且對業務有極大幫助，來幫助企業進行輔助決策。
二、數據治理目標
1、凈化現有數據環境，打造全企業數據標準化管理體系
數據的質量問題，很大程度取決于數據所處環境的狀況。因此需要從根本上打造一整套數據標準化管控體系以確保數據質量的可控制性，數據標準化管控體系包括數據管理制度、流程、組織、考核機制，數據安全、質量管理體系，數據權限管控體系，元數據管理體系，數據交換規范體系等。
2、實現靜態數據標準化、規范化管理
企業的業務信息化建設過程中，數據管理方面存在的重復、不一致、不規范等問題愈加凸顯，大多數的企業都希望通過
企業數據治理平臺及廠商數據管理咨詢結合企業的現狀，制定出一套完全符合企業的靜態數據中心管理的規范和標準，并最終實現系統落地，保證企業及其下屬核心分子公司的主數據唯一性和準確性。
3、清洗歷史數據，為各業務系統提供數據支撐
大部分企業信息化經歷了多年快速的發展，各業務系統中積累了大量的歷史數據，希望借助企業數據治理平臺及廠商對現存的歷史數據進行全面梳理和規范，通過成熟、專業的數據清洗方法、清洗策略、清洗工具，降低人為清理的成本，并將清理后的數據準確發布到各業務系統中，保證各業務系統中歷史數據的準確。
4、規范現有的編碼體系，實現編碼靈活化、自動化
目前很多企業沒有數據編碼器，編碼過程是發起人電話或者QQ通知編碼員在各業務系統中添加的，隨意性較強，且缺乏編碼的審核監督過程，很容易出現數據重復，輸入不規范等問題。希望實施企業數據治理平臺后，可以實現自動編碼，保證編碼的唯一性、準確性、一致性。
5、為未來的智能決策打下堅實基礎
企業信息化未來會考慮實施商務智能系統（BI）以及未來大數據的分析平臺等，需要準確的數據來源，可以通過企業數據治理平臺提供準確的數據，保證BI 抓取的數據準確、全面。
6、打造企業級靜態數據中心，降低業務系統成本投入
建立企業級靜態數據中心，形成企業數據交換（數據采集、分發）的雪花狀結構，在保證數據準確性、一致性的同時降低原有企業業務系統間數據交換的網狀接口開發成本。建立企業級靜態數據中心，還可以借助企業
數據治理平臺。完成主數據的編輯和錄入，關閉業務系統的檔案維護功能，因此可以減少ERP等系統的節點占用，從而節省比如ERP的高額成本投入。
三、數據治理需要注意什么?
1、投資決策的困難
組織的投資決策以能夠產生可預期的建設成效為前提，但往往綜合性的數據治理的成效并不能立馬體現，它更像一個基礎設施，是以支撐組織戰略和長期發展為目標，所以，導致此類項目無法界定明確的邊界和目標，從而難以作出明確的投資決策。
2、跨組織的溝通協調問題
數據治理是一個組織的全局性項目，需要IT部門與業務部門的傾力合作和支持，需要各個部門站在組織戰略目標和組織長遠發展的視角來看待數據治理。因此，數據治理項目需要得到組織高層的支持，在條件允許的情況下，成立以組織高層牽頭的虛擬項目小組，會讓數據治理項目事半功倍。
3、技術選型
這幾年隨著大數據的發展，有針對傳統數據庫的，有針對大數據數據庫的，再加上組織對自身數據資產情況沒有一個清晰的認識，這也就導致了數據治理的技術選型困難。
4、工作的持續推進
數據治理是以支撐組織戰略和長遠發展為目標，應當不斷吸收新的數據來源，持續追蹤數據問題并不斷改進，所以數據治理工作不應當是一錘子買賣，應當建立長效的數據改進機制，并在有條件的情況下，盡量自建數據治理團隊。
四、企業如何進行數據治理的三個步驟
第一步：企業數據進行歸集和標準化
信息化領域有一個說法就是“垃圾進，垃圾出”，意指用臟亂的數據做樣本，產生的研究成果也是毫無價值的。數據的污染可能發生在數據產生、采集、傳輸、流轉、加工、存儲、提取、交換等各個環節，因此要保證數據治理目標的實現，就必須對數據進行全流程的管控，要在數據標準、數據質量、數據文件交換、元數據、數據生命周期、主輔數據源、數據安全、數據責任等方面形成統一的數據治理規范。
第二步：數據模型管理和標簽梳理
在實際的數據治理中，數據資源目錄、數據分類、數據標簽是相互配合、相輔相成的。建立良好的數據資源目錄的第一步就是明確數據資源的分類，根據數據分類去組織資源、編目，之后是為數據資源打上數據標簽，讓數據資源更貼近用戶、更容易管理，以便充分發揮出數據的價值。
第三步：企業算法和人工智能應用
在對企業數據進行歸集和標準化，并對數據模型進行管控和標簽梳理之后，就可以對數據進行管理，并輔之以相應算法和人工智能，在具體業務場景應用。
