一、为什么要做数据治理
子系统数据汇总后，数据缺乏一致性、唯一性、准确性和规范性，例如：手机号码位数错误、中英文名混淆、身份证号不唯一等，即有数据噪音，无法进行数据挖掘应用。数据治理是为了减少数据噪音，提升数据质量，让高质量数据适用于统计分析。
二、数据治理的目标
企业数据治理的目标在于：通过制定数据政策，保障数据安全，推进数据在组织内无障碍共享，保障数据战略的顺利实施，并提升数据管理能力，优化组织精细化管理水平，提高业务运营效率，增强组织决策能力和核心竞争力，从而为实现战略目标提供有力支撑，进而获取数据价值、创新业务模式和控制经营风险。
三、数据治理的难点
1、在业务的快速增长下，数据量呈指数级增长，加大了梳理、维护数据的难度；
2、治理成本高，面对指数级的数据，使用人工治理效率过低，代码治理门槛很高；
3、数据噪音有多种类型：同一数据有多个数据源造成数据不一致；各系统数据规范不同，无统一数据标准；数据有缺陷，部分信息有缺失或错误。
四、数据治理的原则
1、投资决策的困难
组织的投资决策以能够产生可预期的建设成效为前提，但往往综合性的数据治理的成效并不能立马体现，它更像一个基础设施，是以支撑组织战略和长期发展为目标，所以，导致此类项目无法界定明确的边界和目标，从而难以作出明确的投资决策。
2、跨组织的沟通协调问题
数据治理是一个组织的全局性项目，需要IT部门与业务部门的倾力合作和支持，需要各个部门站在组织战略目标和组织长远发展的视角来看待数据治理。因此，数据治理项目需要得到组织高层的支持，在条件允许的情况下，成立以组织高层牵头的虚拟项目小组，会让数据治理项目事半功倍。
3、技术选型
这几年随着大数据的发展，有针对传统数据库的，有针对大数据数据库的，再加上组织对自身数据资产情况没有一个清晰的认识，这也就导致了数据治理的技术选型困难。
4、工作的持续推进
数据治理是以支撑组织战略和长远发展为目标，应当不断吸收新的数据来源，持续追踪数据问题并不断改进，所以数据治理工作不应当是一锤子买卖，应当建立长效的数据改进机制，并在有条件的情况下，尽量自建数据治理团队。
五、有效的数据治理实施方案
1、做好数据分类
不同类型的数据在企业中扮演不同的角色，不仅对数据精度的要求不同，也有不同的管理要求，治理的成本、方法也就不一样。
2、聚焦关键数据
大多数组织都有大量的数据，但并非所有的数据都同等重要。数据治理工作要将改进的重点集中在对企业及其客户最重要的数据上，这样做可以明确项目范围，并使其能够对业务需求产生直接的、可测量的影响及价值。这些看得见的影响及价值，不只能够让从事数据治理工作的人得到正反馈，也让整个企业都能看到数据治理带来的收益，从而形成良性循环。
3、与业务战略一致
数据治理工作必须支持业务战略和目标。一个组织的业务战略和目标影响着组织的数据战略，以及数据治理和数据管理在组织的运营方式。
4、企业层开展
相对于孤立、特定的功能领域，当数据治理是一项企业层面工作时，效果最为显著。数据治理与数据相关的决策责任可共享，治理活动跨越了组织和系统的边界，以支持整体的数据视图。成功的数据治理应当是清楚地了解需要治理什么、怎么治理以及谁来执行治理。
5、逐步开展
我们必须要明确，数据治理不是一次性的行为，它是通过持续性的项目集，由浅入深、循序渐进的过程，来确保企业聚焦于能够一直从数据中获得价值，并且降低有关数据的风险，而不恰当的演进路线一定不会产生有效的工作成果。
