数据治理
数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为。由企业数据治理部门发起并推行，关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。
国际数据管理协会（DAMA）给出的定义：数据治理是对
数据资产管理行使权力和控制的活动集合。
国际数据治理研究所(DGI)给出的定义：数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行，该模型描述了谁（Who）能根据什么信息，在什么时间（When）和情况（Where）下，用什么方法（How），采取什么行动（What）。
数据治理的最终目标是提升数据的价值，数据治理非常必要，是企业实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。
数据管理
数据管理（Data Management）的概念是伴随上世纪八十年代数据随机存储技术和数据库技术的使用，计算机系统中的数据可以方便地存储和访问而提出的。2015年，国际数据管理协会（DAMA，Data Management Association International）在DBMOK2.0知识领域将其扩展为11个管理职能，分别是数据架构、数据模型与设计、
数据存储与操作、数据安全（Data Security）、数据集成与互操作性、文件和内容、参考数据和
主数据（Master Data）、
数据仓库（Data Warehouse）和商务智能（
BI，Business Intelligence）、元数据（Metadata）、
数据质量（Data quality）等。
数据管理（Data Management）是指通过规划、控制与提供数据和信息资产职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，以获取、控制、保护、交付和提高数据和信息资产价值。
数据资产管理
数据资产管理（Data Asset Management）是指规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。
数据资产管理（Data Asset Management）一般来说包括统筹规划、管理实施、稽核检查和资产运营四个主要阶段，贯穿
数据采集、存储、应用和销毁整个生命周期全过程。企业管理数据资产就是对数据进行全生命周期的资产化管理，促进数据在“内增值，外增效”两方面的价值变现，同时控制数据在整个管理流程中的成本消耗。
那实际现在数据治理是如何？
对于当前大部分企业的数据治理，实际上可以看到两个关键的问题。
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。比如我们做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。
现在有很多做
主数据管理或数据管理平台的IT其一给出数据治理架构，可以看到这些仅仅是系统IT功能的实现点，如果深究漏洞百出。
也正是这个原因，需要重新来梳理和思考数据治理体系和框架问题，数据治理本身的核心究竟在哪里，其概念模型和核心要素是什么？
（部分内容来源网络，如有侵权请联系删除）
