一、什么是数据治理
数据治理即提高数据的质量，发挥数据资产价值，是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。由于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。数据治理可以理解为对杂乱、无规范数据的治理，目的就是为了让数据有序。
二、数据治理的作用
经过治理后的数据，数据质量会得到提高，因此，就能够方便系统间的集成，能够对企业数据统一管理，能够支持报表、数据分析、数据挖掘等数据应用。
三、数据质量8个衡量标准
1、数据的唯一性
数据是否存在重复记录。
2、数据的准确性
数据是否与对应客观实体的特征一致。
3、数据的及时性
数据的产生和供应是否及时，比如月初的财务对账，能不能在月初就完成。
4、数据的真实性
数据是否真实可靠。
5、数据的完整性
表中是否存在缺失记录，记录中是否存在缺失字段。
6、数据的即时性
数据采集时间节点和数据传输的时间节点的即时性。
7、数据的合理性
两个字段之间的逻辑关系是否合理。
8、数据的稳定性
数据的波动是否稳定，是否在有效范围内。
四、数据治理主要包含哪些内容
数据治理工作一般包含元数据管理、主数据管理、数据标准管理、数据质量管理、数据模型管理等内容
元数据是数据治理工作的核心和基础，它就像是将军手中的地图，能够快速掌握各个数据表的所在，以及使用情况、流向情况。
主数据是一个企业中和核心基础数据，能够支撑系统跨部门、跨系统的数据融合应用。
数据标准是数据治理的一项基础工作内容，数据质量也依赖于数据标准，需要根据数据标准进行各项数据质量的筛查，而数据模型依赖于数据标准用于指导数据开发工作。
五、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。
六、数据治理的方法
1、建设数据治理体系
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。
2、夯实基础
数据建设基础可分为三个方面：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。
3、聚焦数据
数据治理通过元数据驱动的方式管理数据生产、加工和使用，因此，需要加强元数据管理和主数据管理，补齐数据的相关属性和信息。
4、建管一体化
建管一体化的关键是数据模型血缘与任务调度的一致性，可以避免出现两张皮的低效管理模式，有助于解决数据管理与数据生产口径不一致的问题。
5、IT赋能
数据治理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，“以终为始”前向的方式进行，避免事后稽核带来各种被动和运维成本的增加。
