大數據時代，數據成為社會和組織的寶貴資產，像工業時代的石油和電力一樣驅動萬物，然而如果石油的雜質太多，電流的電壓不穩，數據的價值豈不是大打折扣，甚至根本不可用，不敢用，因此，數據治理是大數據時代我們用好海量數據的必然選擇。
但大家都知道，
數據治理是一項長期而繁雜的工作，可以說是大數據領域中的臟活累活，很多時候數據治理廠商做了很多工作，但客戶卻認為沒有看到什么成果。大部分數據治理咨詢項目都能交上一份讓客戶足夠滿意的答卷，但是當把咨詢成果落地到實處的時候，因為種種原因，很可能是另一番截然不同的風景。如何避免這種情況發生，是每一個做數據治理的企業都值得深思的問題。
一、如何定義數據治理
數據治理，百度百科對其的解釋是：數據治理是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。桑尼爾·索雷斯提出：數據治理是廣義信息治理計劃的一部分，即制定與大數據有關的數據優化、隱私保護與數據變現的政策。美國全球數據管理協會認為：數據治理是對數據資產管理行使權利和控制的活動的集合。
二、數據治理能解決哪些問題？
從宏觀上來看，數據治理能夠優化數據質量、保障數據安全、維護數據主體權利、提高數據流通效率。
1、建立數據規則，維護數據主體權利。數據治理能夠工業大數據、商業數據和公共數據流動保駕護航。
2、降低邊際成本，提高數據流通效率。日前數據掌握在諸多不同的主體中，各個主體之間信息不流通，數據無法真正得到重復利用，信息孤島效應明顯，
數據治理能夠有效改善這種狀況。
3、優化數據質量，發掘數據資產價值。大數據時代的數據具有5V特征(數據體量大(Volume)、數據類型多(Variety)、 處理速度快(Velocity)、價值密度低(Value)準確性 (Veracity))。數據治理能夠壓縮數據體量、提高價值密度，促進數據資產價值最大化。
4、保障數據安全，確保國家社會穩定。
三、數據治理工作內容有哪些？
從技術實施角度看，數據治理包含“理”“采”“存”“管”“用”這五個步驟，即業務和數據資源梳理、數據采集清洗、數據庫設計和存儲、數據管理、數據使用。
1、確保信息利益相關者的需要評估，以達成一致的企業目標，這些企業目標需要通過對信息資源的獲取和管理實現。
2、確保有效助力業務的決策機制和方向。
3、確保績效和合規進行監督。
四、數據治理誤區盤點
1、數據治理是技術部門的事
數據問題產生的原因，往往是業務>技術。可以說大部分的數據質量問題，都是來自于業務，如：數據來源渠道多，責任不明確，導致同一份數據在不同的信息系統有不同的表述；業務需求不清晰，數據填報不規范或缺失，等等。很多表面上的技術問題，如ETL過程中某代號變更導致數據加工出錯，影響報表中的數據正確性等，在本質上其實還是業務管理的不規范。大部分客戶認識不到數據質量問題發生的根本原因，只想從技術維度單方面來解決數據問題，這樣的思維方式導致客戶在規劃數據治理的時候，根本沒有考慮到建立一個涵蓋技術組、業務組的強有力的組織架構，能有效執行的制度流程，導致效果大打折扣。
2、客戶需求不明確
客戶既然請廠商來幫助自己做數據治理，必定是看到了自己的數據存在種種問題。但是做什么，怎么做，做多大的范圍，先做什么后做什么，達到什么樣的目標，業務部門、技術部門、廠商之間如何配合做……很多客戶其實并沒有想清楚自已真正想解決的問題。數據治理，難在找到一個切入點。
3、工具是萬能的
很多客戶都認為，數據治理就是花一些錢，買一些工具，認為工具就是一個過濾器，過濾器做好了，數據從中間一過，就沒問題了。結果是：一方面功能越做越多，另一方面實際上線后，功能復雜，用戶不愿意用。
4、大而全的數據治理
廣義上的數據治理是一個很大的概念，包括很多內容，想在一個項目里就做完通常是不可能的，而是需要分期分批地實施，所以廠商如果屈從于客戶的這種想法，很容易導致最后哪個也做不好，用不起來。所以，我們需要引導客戶，從最核心的系統，最重要的數據開始做數據治理。
五、數據治理方案
1、健全相關體系，力爭把數據管理好。
做好數據分級管理。綜合考慮個人、社會、國家等多方面的因素，將數據按照一定的標準進行分級，基于相關目錄將數據進行分級。對于不同的數據等級，理應采取不同的措施，實現精細化管理。
2、加強安全管控，保護好數據。
在數據治理過程中，一定要分析潛在的風險，對突發情況做好應對措施，加強安全管理控制，一定要防止非法操作竊取用戶的信息，嚴防用戶數據的泄露、篡改和濫用。
3、做好長遠計劃，把所涉及的數據規劃好。
數據治理是一項耗時冗長的系統的工程，不僅要在組織方面有好的計劃策略，更要在機制和制定標準等方面統籌謀劃。在治理期間，要及時不斷地結合當下情況調整組織結構，明確數據管理的關鍵職責，自上而下的推動數據治理工作。
