大数据技术快速发展不断催生新业态，正成为经济社会发展的新动能。随着公司业务的发展，数据平台发展到一定规模，伴随而来的是数据资产越来越庞大，业务对数据分析的需求越来越丰富。而传统的数据开发模式，由于缺乏系统的管理和规范，将越来越无法满足业务日益增长的数据分析需求，数据运维也会变得十分痛苦。因此，大数据治理成为企业数字化转型至关重要的一个环节，关乎着企业核心数据是否能被规范化管理、数据的价值是否能被充分发挥等等。说白了能给企业实现降本增效、业务精细化运营、重要决策制定、产品优化迭代等多方面的收益。
面向用户的大数据治理的四个阶段
面向用户的大数据治理该如何做，我们总结了四个阶段。
第一阶段：全面梳理企业信息，自动化构建企业的数据资产库
在第一阶段，主要是对企业大数据的梳理，从而全面掌握企业大数据的情况，主要有以下三个方面。
1、梳理全企业数据架构，对企业的数据模型、数据关系、数据处理有清晰化的认识。
2、对数据资产形成统一的自动化管理，形成企业的元数据库。
3、对企业数据资产形成多种视图，使数据资产能够让不同用户，有不同视角的展示。
第二阶段：建立管理流程，落地数据标准，提升数据质量
在第二阶段，需要建立大数据管控能力，包括从业务的角度梳理企业数据质量问题，形成质量控制能力，形成核心数据标准，并抓标准落地。针对关键问题，建立数据的管理流程，少而精，控制核心问题。在这个阶段主要是为数据部门形成一套管理大数据的能力，同时为数据部门形成数据管理的工作环境。
第三阶段：直接为用户提供价值，向用户提供数据微服务
通过前两个阶段，企业能够建立基本的数据治理的能力，在此基础上，还需要以用户为中心，为用户提供直接获取数据的能力。第三阶段依赖于前两个阶段能力的建设，在这个阶段的目标是向用户提供自助化的数据服务，使用户能够自助地获取和使用数据，并且在用户的使用过程中再反过去进一步落地标准、控制质量。
第四阶段：智能化企业知识图谱，为全企业提供数据价值
最后一个阶段是将数据沉淀成为知识，形成企业的知识图谱，提供从“关系”的角度去分析问题的能力。
人进行数据搜索是通过业务术语（知识）来搜索的，而知识之间是有相互联系的，例如水果和西红柿是上下位关系（后者是前者的具体体现），好的搜索除了 要列出直接结果，还需要显示与之关联的知识，这就要建立知识图谱。 简单说知识图谱就是概念、属性以及概念之间的关联关系，这个关系可以手工建立，也能通过自然语言处理等方法，对政策、法规、需求、数据库comments、界面等多种来源进行分析，自动化建立起企业知识图谱。从而使数据治理成为整个企业的数据工作环境，强化企业数据与知识体系之间的关联，加快企业员工数据与知识之间的转换效率，让数据的深层价值得以体现。
通过这四个阶段的建设，使数据治理平台由数据部门的工作环境，转变成为全企业的数据工作环境，以用户为中心，让用户能够直接使用大数据，并通过用户的使用来管理数据，持续优化数据质量，在达到治理数据目标的同时，也最大限度发挥了数据的价值。
