企业受益于
数据治理，因为它可确保数据的一致性和可信赖性。这一点至关重要，因为越来越多的组织依靠数据来制定业务决策，优化运营，创建新产品和服务，并提高盈利能力。
数据治理实施
实施数据治理框架的第一步涉及定义企业中数据资产的所有者或保管人。此角色称为数据管理。
然后必须定义流程以有效地涵盖数据的存储，存档，备份和保护，以防止意外，盗窃或攻击。必须制定一套标准和程序，定义授权人员如何使用数据。此外，必须实施一系列控制和审计程序，以确保持续遵守内部数据政策和外部政府法规，并确保数据在多个企业应用程序中以一致的方式使用。
一旦确定了总体战略并确定了数据所有者和监管人，就会形成数据治理团队来实施处理数据的政策和程序。这些团队可以包括业务经理，数据管理员和员工，以及熟悉组织内相关数据域的最终用户。致力于推广此类数据治理流程最佳实践的协会包括数据治理研究所，数据管理协会（DAMA）和数据治理专业人员组织。
通常，数据治理工作的早期步骤可能是最困难的，因为组织的不同部分具有关键企业数据实体（例如客户或产品）的不同观点的特征; 必须有效地解决这些差异，作为数据治理流程的一部分。如果数据治理可能会对数据的处理方式施加限制，那么它在组织中就会引起争议。
数据管理 数据管理者的一个基本特征是对数据的各个部分负责。此类数据治理的主要目标是在准确性，可访问性，一致性，完整性和更新方面确保
数据质量。
通常形成数据管理员团队以指导实际的数据治理实施。这些团队可能包括熟悉组织内数据特定方面的数据库管理员，业务分析师和业务人员。数据管理员与位于整个数据生命周期中的个人合作，以帮助确保数据使用符合公司的数据治理策略。
数据质量
数据质量是大多数数据治理活动背后的驱动力。数据源的准确性，完整性和一致性是成功举措的关键标志。
数据清理（也称为数据清理）是数据质量计划中的一个常见元素，因为它可以识别，关联和删除相同数据点的重复实例。数据清理考虑了可以描述例如相同客户或产品的各种方式。数据编辑器，数据挖掘工具，数据差异实用程序，数据链接工具以及版本控制，工作流程和项目管理系统都包含在帮助组织获得更好数据质量的软件类型中。
主数据管理
数据治理几乎涉及数据管理的每个方面，但与数据治理流程密切相关的一个数据管理领域是
主数据管理（MDM）。这是一个建立主参考的学科，以确保跨大型组织一致地使用数据。
保存数据的元
数据存储库通常用于在MDM程序中建立跨组参考数据。产品和客户数据是MDM系统的主要重点。与数据治理一样，主数据管理项目也可能在组织内遇到争议，因为公司中的不同产品组或业务线对如何最佳地呈现数据提出了不同的看法。
随着企业计算包括更多外部生成的数据（通常通过Web或云收集），主数据管理的范围得到了扩展。这些数据中的大部分都是非结构化的，并且与传统上作为MDM焦点的结构化关系数据的性质不同。这是一些MDM工具开始利用支持更复杂数据相互关系描述的图形数据存储的原因之一。在大数据和企业组织结构的扁平化一般持续进展导致在支持超过增量实现灵活的方法来治理越来越重视大爆炸，瀑布式的项目。
数据治理用例 数据治理是兼并和收购，业务流程管理，遗留现代化，财务和法规合规性，信用风险管理，分析，
商业智能应用程序，
数据仓库和数据库的一个特别重要的组成部分。
随着数据使用扩展和新技术的出现，数据治理将获得更广泛的应用。众多备受瞩目的数据泄露使数据安全成为数据治理工作的核心部分。对数据隐私的呼吁也导致将数据保护和数据隐私审计作为数据治理计划的一部分。欧盟（EU）关于通用数据保护法规（GDPR ）的指令是数据治理用例的一个例子。
（部分内容来源网络，如有侵权请联系删除）
