数据治理是互联网公司中，普遍遇到的痛点，不论是作为业务支持的“
数据仓库”部门，还是承担辅助角色的“数据分析”部门，天天被人追着问：“我们有什么数据？这数据对吗？为什么还没跑出来？你到底能不能做？”
当矛盾对喷到“忍无可忍”时，
数据治理工程便提上了“台面”，因为开发没了服务对象等于丢了饭碗，而业务脱离数据在互联网时代又等同于“裸奔”，双方打的难解难分。
但其实数据治理是一项比较大的工程，在实际工作中，我们需要缩小范围，“把好钢用在刀刃上”。因此，个人倾向于如下的概念，即：数据治理 =
数据质量治理 + 数据资产治理。所谓的治理，是站在数据从生产到最终消费的全链路视角上，利用平台技术提升所带来的红利，以从研发视角出发所推动的运营工作为锚点，让数据的治理变得“可持续”，并且提升研发同学的“幸福感”。
因此，我们有三种解决问题的思路：
第一种是从全局角度出发，由部门制定相应的规范、标准、执行策略，在日常的研发工作中，将治理的任务放在最高的位置上。这样做虽然会最有成效，但落地成本也会非常大，成果的产出周期也很长。
第二种是现有问题出发，即发现局部的问题，就解决这些问题，有明确的执行方法和结果数据来衡量。
第三种是面向危机改动，当团队业务线非常分散、同时需求压力有很大时，往往难以推动一些内部治理工作的开展，这时候只能遇到问题、再解决问题，用危机来反推工作的落实。
（部分内容来源网络，如有侵权请联系删除）
