当前，
数据治理对于企业组织机构而言愈发重要。企业不仅需要遵守诸如通用数据保护条例(GDPR)之类的新法规，而且它们最终将认识到数据作为一种资产的价值，需要对其进行保护、管理和维护，以增加资产价值。
企业能够理解数据治理的价值并不等同于对其执行数据治理的能力充满信心。机构需直面更为复杂的生态系统、业务环境和数据特征(如数据背景、数据卷、数据维度、数据及时性、数据动态特征、数据异质性、数据结构、数据分布以及数据可用性）。
数据是
数字化转型(DX)平台的命脉。数据流动并贯穿于从情报搜集到应用的整个无限循环的过程。应用于业务操作层的情报洞察，为进一步的情报处理生成更多的数据信息，这些信息随即被转化为行动，而行动又会生成更多的数据,如此循环往复。图1显示的是IDC数字化转型平台中的连续的循环数据流概况。
图1. IDC：数字化转型平台
单凭数据本身并不能将各色企业区别开来，但审视企业如何通过数据实现赋能是一种有效途径。为成功地实现数据赋能，企业需要信任正确的数据，并在最佳时间交付给正确的资源。这里的资源可以是人也可以是机器，可以是内部或外部的，也可以是移动或固定的，它们需要经过授权才能访问数据。数据赋能要求数据治理过程应涵盖数据信任、数据及时性，以及数据可用性，且需要提供相关保护（但保护不能“越界”，不能扼杀创新和探索，否则创新将聚焦于如何绕过数据治理）。
数据智能（Data Intelligence）是在
元数据管理、数据沿袭、数据目录、业务术语表、
数据分析以及掌握和管理软件的基础上提供的。正是通过这套智能体系，数据才能够被治理，企业才能有机会实现数据赋能。（译者注：数据智能（Data Intelligence）指的是基于大数据引擎，通过大规模机器学习和深度学习等技术，对海量数据进行处理、分析和挖掘，提取数据中所包含的有价值的信息和知识，使数据具有“智能”，并通过建立模型寻求现有问题的解决方案以及实现预测等Via百度。）
（部分内容来源网络，如有侵权请联系删除）
