数据中台通常是应用驱动构建，所处理的数据是业务关心和使用的数据。在数据中台开发与运营服务的过程中，面临很多源头数据的问题，比如不同系统的数据规范不一致，缺少
主数据管理，
数据质量不高等。虽然这些数据质量问题是客观存在的，但其发现与解决是阶段性的业务战略和现实条件决定的。因此关注目前已在或者将在应用场景中使用的数据，并追溯到该数据所引用的源头数据开展治理，最大限度的优化
数据治理的资源投入，可以极大提高
数据治理的功效。
构建企业级数据模型，指引业务系统建设
在数据中台建设中，以数据应用为指导，回顾与梳理银行各部门的业务流程、业务数据，构建企业级数据模型，建立模型原则与规范，并应用到源头系统的设计与审核过程中，并建议改变传统的功能驱动型开发方法，变为数据模型驱动型开发，将有效提升源头系统数据的统一性。
将数据治理融入到数据中台开发团队中
在数据中台的整个过程开发和运营过程中，或在系统发生重大变更时，数据治理团队与数据中台业务开发团队紧密协作，应注重在源头系统的设计、开发等各个阶段都与数据中台开发团队挂钩。
构建闭环的数据问题反馈机制，持续监控数据问题
数据中台识别发现的数据问题，与源头系统的开发、变更及后续质量控制相统一和协调， 让源头系统的业务和开发人员成为数据中台数据治理的支持者和操作者
（部分内容来源网络，如有侵权请联系删除）
