數據治理即提高數據的質量，發揮數據資產價值，是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。由于數據的質量直接影響著數據的價值，并且直接影響著數據分析的結果以及我們以此做出的決策的質量。

一、什么是數據治理
數據治理即提高數據的質量，發揮數據資產價值，是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。由于數據的質量直接影響著數據的價值，并且直接影響著數據分析的結果以及我們以此做出的決策的質量。數據治理可以理解為對雜亂、無規范數據的治理，目的就是為了讓數據有序。

 二、數據治理的作用

經過治理后的數據，數據質量會得到提高，因此，就能夠方便系統間的集成，能夠對企業數據統一管理，能夠支持報表、數據分析、數據挖掘等數據應用。

 三、數據質量8個衡量標準

1、數據的唯一性
數據是否存在重復記錄。
2、數據的準確性
數據是否與對應客觀實體的特征一致。
3、數據的及時性
數據的產生和供應是否及時，比如月初的財務對賬，能不能在月初就完成。
4、數據的真實性
數據是否真實可靠。
5、數據的完整性
表中是否存在缺失記錄，記錄中是否存在缺失字段。
6、數據的即時性
數據采集時間節點和數據傳輸的時間節點的即時性。
7、數據的合理性
兩個字段之間的邏輯關系是否合理。
8、數據的穩定性
數據的波動是否穩定，是否在有效范圍內。

 四、數據治理主要包含哪些內容

數據治理工作一般包含元數據管理、主數據管理、數據標準管理、數據質量管理、數據模型管理等內容
元數據是數據治理工作的核心和基礎，它就像是將軍手中的地圖，能夠快速掌握各個數據表的所在，以及使用情況、流向情況。
主數據是一個企業中和核心基礎數據，能夠支撐系統跨部門、跨系統的數據融合應用。
數據標準是數據治理的一項基礎工作內容，數據質量也依賴于數據標準，需要根據數據標準進行各項數據質量的篩查，而數據模型依賴于數據標準用于指導數據開發工作。

 五、數據治理的目的

1、建立數據使用內部規則；
2、降低風險；
3、改善內部和外部溝通；
4、實施合規要求；
5、方便數據管理；
6、增加數據價值；
7、通過風險管理和優化來幫助確保公司的持續生存；
8、降低成本。

 六、數據治理的方法

1、建設數據治理體系
保證數據在采集、加工、共享、存儲、應用整個過程中的完整性、準確性、一致性和實效性；運營手段則應當包括規范的優化、組織的優化、平臺的優化以及流程的優化等等方面；根據企業的規模、所屬行業、數據量等情況選擇合適的平臺架構。
2、夯實基礎
數據建設基礎可分為三個方面：數據質量、數據安全、數據規范。高質量的數據是數據可用的前提條件，數據的安全管控是數據可以共享交換的前提條件，規范化的模型管理是保障數據可以被治理的前提條件。
3、聚焦數據
數據治理通過元數據驅動的方式管理數據生產、加工和使用，因此，需要加強元數據管理和主數據管理，補齊數據的相關屬性和信息。
4、建管一體化
建管一體化的關鍵是數據模型血緣與任務調度的一致性，可以避免出現兩張皮的低效管理模式，有助于解決數據管理與數據生產口徑不一致的問題。
5、IT賦能
數據治理需要將治理過程中所產生的的規范、流程、標準落地到IT平臺上，“以終為始”前向的方式進行，避免事后稽核帶來各種被動和運維成本的增加。

七、國內優秀的數據治理平臺有哪些
睿治智能數據治理平臺由億信華辰自主研發，融合數據標準管理、數據質量管理、實時計算存儲、主數據管理、元數據管理、數據資產管理、數據安全管理、數據集成管理、數據交換管理、數據生命周期管理九大產品模塊，各產品模塊可獨立或任意組合使用，打通數據治理各個環節，可快速滿足政府、企業用戶各類不同的數據治理場景。
睿治數據治理平臺基于動態本體的數據融合、大規模數據資源的存儲組織需要，采用主流的分布式存儲、大規模并行計算和統計學習技術。支持流計算和批處理等數據處理方式，同時支持數據資源應用和數據資源運營等多種應用場景，滿足政府多源異構數據的采集，可根據用戶的需求量身定制。