一、数据治理的概念定义
狭义的
数据治理：是指对数据进行监管和风险管理，保证数据资产的高质量、安全及持续改进。
广义的数据治理：除了对数据进行监管和风险管理，还要挖掘如何通过数据治理来创建业务价值，即数据价值“变现”。
数据治理涉及的IT技术主题包括元数据、数据标准、数据质量、数据集成、
主数据、数据资产、数据交换、生命周期、数据安全多产品组成的一整套解决方案。所有与数据有关的技术产出物全部通过知识库实现相互之间共享，知识库作为数据治理的后台通道，传输不同平台、环境、技术、工具所提交和需要的元数据信息。数据治理是专注于将数据作为企业的商业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，提高组织的数据质量，实现数据广泛共享，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，发挥数据资产的商业价值。
二、数据治理平台是什么？
针对企业数据出处不明确、产权归属不清晰、数据质量参差不齐、数据规范不统一等问题。提供全量的
数据治理平台，支持多种数据导入形式，提供全方位的数据质量管理、多视角的数据统计功能及数据模型生命周期管控，使用户全面掌控数据。保证数据在采集、集中、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性，提高数据的质量，形成企业高质量的数据资产。
三、数据治理平台建设方案
第一阶段：全面梳理企业信息，自动化构建企业的数据资产库
在第一阶段，主要是对企业大数据的梳理，从而全面掌握企业大数据的情况，主要有以下三个方面。对数据资产形成统一的自动化管理，形成企业的元数据库；对企业数据资产形成多种视图，使数据资产能够让不同用户，有不同视角的展示；梳理全企业数据架构，对企业的数据模型、数据关系、数据处理有清晰化的认识。
第二阶段：建立管理流程，落地数据标准，提升数据质量
在第二阶段，需要建立大数据管控能力，包括从业务的角度梳理企业数据质量问题，形成质量控制能力，形成核心数据标准，并抓标准落地。针对关键问题，建立数据的管理流程，少而精，控制核心问题。在这个阶段主要是为数据部门形成一套管理大数据的能力，同时为数据部门形成数据管理的工作环境。
第三阶段：直接为用户提供价值，向用户提供数据微服务
通过前两个阶段，企业能够建立基本的数据治理的能力，在此基础上，还需要以用户为中心，为用户提供直接获取数据的能力。第三阶段依赖于前两个阶段能力的建设，在这个阶段的目标是向用户提供自助化的数据服务，使用户能够自助地获取和使用数据，并且在用户的使用过程中再反过去进一步落地标准、控制质量。
第四阶段：智能化企业知识图谱，为全企业提供数据价值
最后一个阶段是将数据沉淀成为知识，形成企业的知识图谱，提供从“关系”的角度去分析问题的能力。人进行数据搜索是通过业务术语（知识）来搜索的，而知识之间是有相互联系的，例如水果和西红柿是上下位关系（后者是前者的具体体现），好的搜索除了要列出直接结果，还需要显示与之关联的知识，这就要建立知识图谱。 简单说知识图谱就是概念、属性以及概念之间的关联关系，这个关系可以手工建立，也能通过自然语言处理等方法，对政策、法规、需求、数据库comments、界面等多种来源进行分析，自动化建立起企业知识图谱。从而使数据治理成为整个企业的数据工作环境，强化企业数据与知识体系之间的关联，加快企业员工数据与知识之间的转换效率，让数据的深层价值得以体现。
