数据治理在系统层面包括
数据标准、元数据、
数据质量、生命周期管理、数据安全、数据资产共六大核心模块；在管理层面需要通过数据治理组织、数据治理流程进行支撑保障。
数据治理是一项长期且复杂的体系化工程，它需要通过一系列流程规范、制度、IT能力以及持续运营等机制来保障治理工作的持续推进。
数据治理落地的4个阶段
数据治理的落地建议分为4个阶段：
1、建组织：需要打破企业内部壁垒，构建多部门共同参与的数据治理组织，提升数据治理重要性。成立数据治理专项团队，包括数据治理委员会、数据治理团队、各业务部门等层层递进的组织架构。在绩效、团队、资源等方面支持数据治理的持续运营，达成企业数据中台的数据战略体系转型。
2、立规范：建立切实可行的标准化流程规范，并随着数据中台的不断运营而持续完善，分步实施逐步迭代。规范包括发布数据治理管理规范、数据治理流程规范、建立数据治理标准化闭环流程、明确线上管理要求，并通过运营闭环化、流程线上化、服务集中化形成常态化机制推进数据治理工作。
3、选平台：搭建有效的IT平台支撑数据治理的规范、流程、标准落地，同时确保前向的数据治理模式。数据治理本质是一项管理工作，只有生产过程可视化、生产过程可干预，才能保证数据治理的效果，因此平台应确保数据治理和数据生产的一体化。平台应具备多厂家协同开发能力、数据标准化管理能力、基于元模型驱动的元数据开发管理能力、元数据血缘管理能力、基于血缘驱动的任务调度管理能力、安全分层分级管理能力以及数据质量管理能力等等基础能力才能更好的保障数据治理的落地。
4、重运营：数据治理是一个持续并且长久的运营过程，规范、组织、平台的以及流程需要不断的进行迭代优化，数据质量、数据安全需要持续管控，通过业务的不断滋养逐步完善数据中台的数据治理能力。
数据治理是一项战略性、长期性、艰巨性、系统性、持续进行的企业内部数据优化治理工作，因此，数据治理必然是一个漫长而持续的过程，没有一针顶破天的诀窍，也没有立竿见影的途径。首先企业需要有专业的数据治理人才，否则一切面谈！
（部分内容来源网络，如有侵权请联系删除）
