如何更好地利用数据已经成为企业数字化转型的关键，因此数据治理变得越来越重要。在讨论数据治理之前，我们需要对于数据治理下一个明确的定义，数据治理到底包括了哪些范畴。
数据治理的定义
数据治理，是指组织对数据的可用性、完整性和安全性的整体管理。
数据的可用性，是指数据本身是可用的、可信的和质量有保证的，不会因为本身的数据质量给后续的数据应用带来问题；
数据的完整性，是指我们收集的数据本身是完整的，能够覆盖各类数据应用的需要，不会因为缺少了对某些数据的采集，而带来了数据资产的流失；
数据的安全性，则是指数据治理和分享的过程是安全可控的，这个过程不会侵犯用户隐私，不会给组织本身留下安全隐患。
数据治理的意义
数据治理的意义，就是帮助我们可以更早、更及时、更高效的发现数据问题，确保企业数据的质量，可用性，可集成性，安全性和易用性。数据是公司的资产，组织必须从中获取业务价值，最大程度地降低风险并寻求方法进一步开发和利用数据，而这一切就是数据治理需要完成的工作。因此，数据治理的重要性，是毋庸置疑的，它是所有数据应用的基础和根基，它的好坏直接影响数据应用过程中的价值体现。同时，数据治理也是一个组织进行数据资产沉淀的基础，直接决定一个组织的数据资产能否得到有效的沉淀，以及在数据应用过程中能否充分地发挥数据价值。
数据治理一般来说主要包括以下三部分工作：
1.定义数据资产的具体职责和决策权，应用角色分配决策需要执行的确切任务的决策和规范活动。
2.为数据管理实践制定企业范围的原则，标准，规则和策略。数据的一致性，可信性和准确性对于确保增值决策至关重要。
3.建立必要的流程，以提供对数据的连续监视和控制实践并帮助在不同组织职能部门之间执行与数据相关的决策，以及业务用户类别。
数据治理能带来的价值
睿治数据治理平台覆盖十大数据治理领域，采用微服务架构，既可以和企业已建系统高度融合，也可以随着未来信息化发展，而无限延展。平台内部功能模块也实现了功能的高度融合，包括：
1.业务系统元数据已经规范建设，建立标准时可直接通过从元数据拾取元数据进行映射后成为标准
2.数据标准已经制定并通过，可根据标准自动生成数据质量检查规则和根据标准创建模型主题表
3.数据需要进行共享交换又需要检查已经交换数据的质量时，可以通过调用数据质量的质检方案检查数据的质量，并制定相应的绩效考核评分进行质量考核
4.基于元数据的落地映射、质量规则、数据归档和数据销毁，都可以在元数据中查看相对应的匹配规则
