一、數據治理概念定義
目前業內數據治理總結起來一共分為兩類，一類是狹義的數據治理，是指數據指標口徑一致性的治理，此類數據治理主要是解決指標口徑的一致性，解決數據“不準”的問題，也由此引申出一些智能數倉、指標元數據工具，比如美團的起源、快手的蓋亞、阿里的dataphin等等；另一類是指廣義的數據治理，是指包括數據指標口徑治理、數據安全治理、數據資源成本治理、數據資產元數據治理、數據產出治理等在內的大治理，此類數據治理是需要綜合解決數據從采集加工到應用分析再到銷毀全生命周期內的口徑、成本、安全、合規和產出問題，在工具建設上，目前筆者看到的多是分散在數據安全、資產中心、SLA中心等不同的產品領域。
二、數據治理的目標
數據治理的目標是提高數據的質量（準確性、及時性、完整性、唯一性、一致性，有效性），確保數據的安全性（保密性、完整性及可用性），實現數據資源在各組織機構部門的共享，推進數據資源的整合、服務和共享，從而提升企事業單位信息化水平，充分發揮數據資產作用。
三、數據治理的范圍
數據治理項目的范圍通常都會包含：組織建設、數據安全、數據質量、元數據管理、數據價值等幾個模塊。
1、數據質量
數據質量的提升通常包含以下幾個方面：1）數據質量評估，2）數據質量檢查，3）數據質量監控，4）問題處理機制，5）根據血緣關系和業務場景鎖定高價值數據，進行高安全級別管控，避免數據出錯。
2、元數據管理
元數據從數據的角度可以分為三類：業務元數據、技術元數據和管理元數據。
業務元數據是從業務的視角去描述數據：表名稱、表的血緣關系、表的字段說明、指標的統計口徑等多種業務描述；
技術元數據從技術的角度去描述數據：表的sql、字段長度、字段類型、有效值、默認值等多種技術描述；
管理元數據是包含數據管理的信息在里面，例如：表的業務屬主、表的技術負責人、表的讀權限等。
3、組織建設
數據治理的大部分問題更多是政策、業務上的問題，保障數據治理能夠長期有效的重要手段必須建立數據治理委員會，跨部門跨組織，把技術、業務等相關人員組織起來，制定政策、規范、評審需求、裁決分歧等。
4、數據價值
數據治理的目的就是提升數據價值，為企業帶來實質性的效益。
5、數據安全
數據安全管理貫穿于數據治理全過程，提供對隱私數據的加密、脫敏、模糊化處理、數據庫授權監控等多種數據安全管理措施，全方位保障數據的安全運作。
四、數據平臺建設原則
1、初期能夠快速見效并體現建設價值，不盲目投入
實施周期不易過長，規模不易過大，能夠快速的見到教據總線帶來的效果和價值。
2、應用(需求）驅動主導數據平臺的實現，加強業務的關注和參與
應用是展現數據總線建設效果的門戶，因此需要建設業務人員最緊迫和最關注的需求和應用，讓業務部門最快參與數據總線的建設當中。
3、重視內部人員培養，建設配套運營制度和管理體系
前期讓公司內IT人員盡量更多、更深入的參與到數據總線的建設中，后期角色以管理為主，盡量與合作伙伴共同建設二期以上。配套的管理規范、技術規范、運營體系。
4、借鑒同業的成功經驗和成果，選擇成熟技術架構和解決方案
盡量參考同行業、同規模、同類型企業行的建設經驗，適當創新。
五、如何做好數據治理平臺
1、制定數據標準，優化流程
對企業來說，數據有很多來源。金融、人力、供應鏈、生產、銷售等內部數據;政策、經濟、社會、科技、產業、市場、競爭者等外部數據。盡管數據來源廣泛，數據量大是其優勢，但如果不加以整理，混亂的數據不但不利于分析應用，而且會造成不必要的財產損失。所以企業應建立統一的數據標準、數據管理流程和系統，以規范數據生產與供應過程。
2、搭建平臺
對于數據治理平臺的搭建，企業需要考慮用戶的不同需求，從而建立不同的模塊。數據治理平臺的內容主要包括數據質量管理、數據標準管理、數據安全管理、數據模型工具、元數據管理、主數據管理等功能模塊。我們所說的數據治理項目不是為治理數據而構建，而是與大數據平臺、數據倉庫、數據分析挖掘等項目相結合，通過提高數據質量、控制數據安全性，使數據發揮最大效益。
3、優化模型，確保數據安全
數據安全管理是從數據資產整理開始的。將數據資產進行整理分類，可以明確敏感數據在系統內的分布情況，判斷敏感數據是如何被訪問的，以及確定當前賬號和授權的狀態。依據數據價值和數據特性，對企業的核心數據資產進行分類，利用數據治理工具將其模型化，確定敏感數據的位置、描述和處理方法，確保數據的合法合規地使用。
