当下是一个大数据的时代，如果一个企业没有数据，那么在做决策时就缺乏数据的支持，但是如果企业有了数据，不对数据进行治理，那么就无法充分有效的利用企业的数据资源，所以对于所有拥有大量数据的企业来说，成功的实现
数据治理是一种巨大的挑战。
一、什么是数据治理？
狭义上讲，
数据治理是指对数据质量的管理、专注在数据本身。广义上讲，数据治理是对数据的全生命周期进行管理，包含数据采集、清洗、转换等传统数据集成和存储环节的工作、同时还包含数据资产目录、数据标准、质量、安全、数据开发、数据价值、数据服务与应用等，整个数据生命期而开展开的业务、技术和管理活动都属于数据治理范畴。
二、数据治理的目的是什么
数据治理专注于将数据作为企事业单位数据资产进行应用和管理的一套管理机制，能够消除数据的不一致性，建立规范的数据应用标准，提高数据质量，实现数据内外部共享，并能够将数据作为组织的宝贵资产应用于业务、管理、战略决策中，发挥数据资产价值。
三、数据治理关键要素
1、数据治理需要夯实基础
数据治理需要循序渐进，但在数据中台建设初期至少需要关注三个方面：数据质量、数据安全、数据规范。高质量的数据是数据可用的前提条件，数据的安全管控是数据可以共享交换的前提条件，规范化的模型管理是保障数据可以被治理的前提条件。
2、数据治理需要体系建设
为发挥数据中台价值需要满足三个要素：完善的治理服务、体系化的运营手段、合理的平台架构。治理服务需要贯穿数据全生命周期，保证数据在采集、加工、共享、存储、应用整个过程中的完整性、准确性、一致性和实效性；运营手段则应当包括规范的优化、组织的优化、平台的优化以及流程的优化等等方面；根据企业的规模、所属行业、数据量等情况选择合适的平台架构。
3、数据治理需要聚焦数据
数据治理的本质是管理数据，因此需要加强元数据管理，补齐数据的相关属性和信息，比如：元数据、质量、安全、业务逻辑、血缘等；应通过元数据驱动的方式管理数据生产。
4、数据治理需要建管一体化
数据中台的数据模型血缘与任务调度的一致性是建管一体化的关键，有助于解决数据管理与数据生产口径不一致的问题，避免出现两张皮的低效管理模式。
5、数据治理需要IT赋能
数据治理不是一堆规范文档的堆砌，而是需要将治理过程中所产生的的规范、流程、标准落地到IT平台上，在数据生产过程中通过前向的方式进行数据治理，避免事后稽核带来运维成本的增加。
四、企业如何进行数据治理
1、对企业数据进行归集和标准化。
用脏乱的数据做样本，产生的研究成果毫无价值，因此必须对数据进行全流程的管控，要在数据标准、数据质量、数据文件交换、元数据、数据生命周期、主辅数据源、数据安全、数据责任等方面形成统一的数据治理规范。
2、数据模型管理和标签梳理。
每一个数据标签都是企业认识、观察和描述数据实体的一个角度。因此内部统一标签也至关重要。在实际的数据治理中，数据资源目录、数据分类、数据标签是相互配合、相辅相成的。建立良好的数据资源目录的第一步就是明确数据资源的分类，根据数据分类去组织资源、编目，之后是为数据资源打上数据标签，让数据资源更贴近用户、更容易管理，以便充分发挥出数据的价值
3、企业算法和人工智能应用。
在对企业数据进行归集和标准化，并对数据模型进行管控和标签梳理之后，就可以对数据进行管理，并辅之以相应算法和人工智能，在具体业务场景应用。以数据模型管理为例，人工智能可以帮助企业实现经验模型与计算机模型的完美融合，构建商品和会员的知识图谱。
