一、数据治理的定义
数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为。由企业数据治理部门发起并推行，关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。数据的质量直接影响着数据的价值，并且直接影响着数据分析的结果以及我们以此做出的决策的质量。我们常说，用数据说话，用数据支撑决策管理，但低质量的数据、甚至存在错误的数据，必然会"说假话"！！！ 数据治理即提高数据的质量，发挥数据资产价值。
二、数据治理的目的
1、建立数据使用内部规则；
2、降低风险；
3、改善内部和外部沟通；
4、实施合规要求；
5、方便数据管理；
6、增加数据价值；
7、通过风险管理和优化来帮助确保公司的持续生存；
8、降低成本；
三、数据治理驱动因素
1、改进流程
1）数据质量提升。通过真实可信的数据提升业务绩效的能力。
2）法规遵从性。有效持续地相应监管要求的能力。
3）项目开发效率。在系统生命周期（SDLC）中改进，解决整个组织的数据管理问题，包括利用数据全周期来管理特定的数据技术债。
4）供应商管理。控制数据处理的合同，包括云存储。外部数据采购、数据产品销售和外包数据运维。
5）元数据管理。建立业务术语表，定义和定位组织中的数据，确保数据繁多的元数据被管理和应用。
2、减少风险
1）数据安全。通过控制活动保护数据资产，包括可获得性、完整性、连续性、可审计和数据安全。
2）隐私。通过制度和合规性监控，控制私人信息、机密信息、个人身份信息等。
3）一般性风险管理。洞察风险数据对财务或商誉的影响，包括对法律和监管问题的相应。
四、数据治理项目的范围
1、战略。定义、交流和驱动数据战略和
数据治理战略的执行。
2、制度。设置与数据、元数据管理、访问、使用、安全和质量有关的制度。
3、标准和质量。设置和强化数据质量、数据架构标准。
4、监督。在质量、制度和数据管理的关键领域提供观察、审计和纠正等措施（职责管理）。
5、合规。确保组织可以达到数据相关的监管合规性要求。
6、问题管理。识别、定义、升级和处理问题。针对如下领域：数据安全、访问、质量、合规、所有权、制度、标准、术语或者数据治理程序等。
7、数据管理项目。增强提升数据管理实践的努力。
8、数据资产估值。设置标准和流程，以一致的方式定义数据资产的业务价值。
五、数据治理之道
1、数据治理需要夯实基础
数据治理需要循序渐进，但在建设初期至少需要关注三个方面：数据规范、数据质量、数据安全。规范化的模型管理是保障数据可以被治理的前提条件，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。
2、数据治理需要体系建设
为发挥数据价值需要满足三个要素：合理的平台架构、完善的治理服务、体系化的运营手段。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；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。
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和主数据管理，从源头治理数据，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，通过元数据驱动的方式管理数据生产、加工和使用。
4、数据治理需要建管一体化
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“以终为始”前向的方式进行数据治理，避免事后稽核带来各种被动和运维成本的增加。
