数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行，该模型描述了谁（Who）能根据什么信息，在什么时间（When）和情况（Where）下，用什么方法（How），采取什么行动（What）。数据治理的最终目标是提升数据的价值，数据治理非常必要，是企业实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。 国际数据管理协会（DAMA）成立于1988年，借助其丰富的数据管理经验，提出了最为完整的数据治理体系。
DAMA数据治理基本原则
坚持商业驱动原则。数据治理需要服务于企业的战略与商业过程。通过数据治理能够充分挖掘出数据的核心价值，帮助企业洞悉客户、流程、政策、内外部劳动力市场变化与人力资本管理，最终提升在竞争市场的战略竞争优势。
明确具体目标。企业数据治理的目标包括几个关键的方向。通过数据治理增加组织、相关利益方、供应商与雇员对信息需求的理解，并通过数据治理支持信息需求的满足。保证数据获取、储存与保护，保证数据的完整性。保证数据的隐私性得到充分的保护，不被利益其他方所利用。防止未经授权或不适当地访问、操纵或使用数据和信息。最终，企业数据治理的目标是保证企业数据资产的增值，保证数据资产为企业带来独特的竞争优势。
DAMA数据治理功能模块
DAMA数据治理中包含十大功能模块，功能模块涵盖了数据治理操作的核心领域，如主数据管理（Master data）、数据构架（Data Architecture ）。完整的功能模块包括：
一、数据架构管理：由数据管理专员和业务专员定义企业的数据需求、数据规范和数据要求，并由数据架构师据此设计企业的数据架构来满足这一需求。
二、数据建模与设计：根据业务标准和数据需求，分析数据特点，完成对数据模型的设计、测试等工作。
三、数据存储与设计：设计数据存储的物理模型，并完成数据抽取、转换和加载功能。
四、数据安全与管理：控制、定义和维护参考数据，明确主数据管理要求，识别并解决主数据问题。
五、参考数据和主数据管理：定义主要业务数据的标准规范和模式，完成对主数据和参考数据的管理。
六、数据仓库和商业智能管理：提供商务智能需求和管理指标，识别并帮助解决商务智能问题。
七、数据集成与互操作管理：采取、提取、变换、移动、交付、复制、联合、虚拟化和运营支持。
八、文档和内容管理：明确企业信息分类，解决内容管理的问题。
九、元数据管理：创建维护业务元数据，定义元数据访问和数据整合需求
十、数据质量管理：明确数据质量要求和业务规则，核查、监控数据质量。
DAMA数据治理商业要素
功能模块是DAMA数据治理中的核心议题，这些议题构成了数据治理的主要内容。而如何进行有效的数据治理，需要在DAMA数据治理七大商业要素中，按照一定的逻辑结构进行分析，保证数据治理的目标和实际商业过程的贡献。
这七个商业要素分别是：
一、目标与原则：每个职能在自己主题领域里的方向性目标，以及职能指标量化的基本原则。
二、活动：每个职能都是由的一个或多个活动组成，其中有部分活动能被细化为子活动。
三、主要交付务：信息、物理数库即各职能在管理过程中最终输出的文档。
四、角色与职责：参与执行和监督职能的业务角色和IT角色，以及其各自职能中承担的具体责任。
五、实践与方法：包含了常见和流行的实践方法，以及交付物的执行过程和步骤。
六、技术：各种配套支撑技术的类别、标准和规范、产品选择的标准和常见的学习曲线。
七、组织与文化：主要包括管理度量指标和标准、成功和商业价值的度量指标和标准等因素。
数据治理的DAMA体系非常复杂，其中商业价值驱动目标导向是DAMA体系的最大特点。在数据治理的各个方面，都需要认真的思考商业价值导向与目标导向，最终才行形成可以实施的数据治理的可行方案。因此，对数据治理从业人员而言，的确需要站在企业战略的高度来思考业务部门的需求，有了这样的视角与高度，数据治理从业人员就会在企业数据化转型过程中发挥其巨大的作用，为企业带来新的发展机遇。
