“数据业务化，业务数据化”，相信大家看到这句话都不会感到陌生。在这个大数据时代，“数据”已经成为企业越来越重要的资产。“数据治理”则是帮助企业管理数据，让数据发挥出更大的价值的手段。
然而目前大部分企业的数据治理可以看到2个关键的问题：
其一就是数据治理属于问题驱动和后治理型，即都是数据在产生和使用，协同和共享的过程中发现了问题，才来考虑数据治理的内容，这种问题驱动方式很难构建完整的数据治理体系。更多的是建设大量的类似数据稽核类系统，个人任务数据稽核系统本身就是一个反治理下的产物。
其二是希望通过IT系统建设来规范数据治理，这个虽然有点用，但是不全。比如建设MDM主数据系统，会减少类似元数据管理、数据质量管理、数据创建变更流程等。但是要看到系统本身仅仅是治理规范要求的落地，如果你没有事先形成治理规范要求，那么系统再多也没用。
数据治理的价值体现在哪些方面呢？
很多企业的CIO或者BI负责人意识到需要做数据治理时，常见是由于出现了指标乱、页面多、任务杂、权限管理不规范等问题，同时还可能伴随性能问题，比如页面卡顿，加载时间长等等。如果解决这些问题相对简单，就不用上升到价值输出层面。但是如果问题严重到需要撬动高层资源去形成一个项目，就需要有更多的价值呈现。
在对很多企业数据治理的痛点与最终创造的价值进行收集整理后，我们从四个层面总结了数据治理的价值，供大家参考：
1、信息价值
数据系统的基本使用保障，避免高层或者业务方需要看业务指标时无法看数，无法做出运营决策。或者一个指标在不同地方出现不一样的结果，口径、范围等不对齐导致的内部信息传递异常。
2、风险控制
规范的权限控制，对不同部门、不同层级的员工进行精准和一致的页面、数据表、任务权限管控，在保障必要的看数需求的同时，也避免数据泄露，满足内部风控部门要求。
3、成本控制
出现服务器性能瓶颈，最快速有效的方式就是服务器扩容，但扩容有成本，大多数企业都不能接受无限制的扩容，数据治理本身也是在做服务器的成本管控。
4、业务价值
数据治理最大的价值所在。我们发现如果一个企业的数据开发都在IT/数据部门时，往往不会存在数据乱、需要治理的情况。需要治理的情况很多都出现在开发能力往业务团队渗透的阶段，也叫业务推广期或者业务自助分析期。这个阶段不只释放了数据部门同学的人力，也是数据价值飞跃的阶段，业务同学会全面基于数据结论来指导运营决策，甚至去自发地基于自己的业务问题，做更多的数据探索和深度挖掘。在这个阶段做数据治理，保障数据的稳定和规范化的使用，本身就是在极大程度地创造数据的业务价值。
