企业数据治理常见的困难和挑战主要包括以下四个方面:1)找不到:业务人员/管理者不知道企业有什么数据，各种数据存放在哪个业务系统，没有统一的地方可以搜索，也不知道找谁。2)不了解:业务人员/管理人员拿到了数据却看不懂。数据的描述非常专业，技术性很强，很难知道业务的意义，也不清楚数据和业务的关系是什么，他们对数据资产完全不清楚。
4、什么是数据化管理他们每天被上级经理质问的时候都在讲故事，编理由:什么天气不好，没有客流等等。2.店长和高管每天大部分时间都在忙各种琐碎紧急不重要的事情，没有时间去“追逐”销售，店铺的销售就成了一种“自然销售状态”。3.门店太多，没有办法做到标准化、差异化、量化管理；4.销售数据混乱(其中还有很多“真假数据”混淆)，无法形成有效的管理模型来帮助分析和决策，所以拍脑袋的事情经常发生；5、只能依靠销售系统的简单分析，而销售系统的数据只有趋势、比例等基本的分析功能，并不能告诉你问题的原因，更谈不上如何解决；笔者曾经在一家零售企业做过一个有趣的调查，我分析了所有店长的销售报告。
5、数据处理最基本的四种方法数据处理的四种基本方法:列表法、作图法、逐次差分法、最小二乘法。数据处理是对数据的收集、存储、检索、处理、转换和传输。根据处理设备的结构和工作方式以及数据的时空分布，有不同的数据处理方式。不同的处理方法需要不同的硬件和软件支持。每种处理方法都有自己的特点，要根据应用问题的实际环境选择合适的处理方法。
为了保证数据的安全性和可靠性，还有一套数据安全保密技术。数据处理过程:数据处理的过程大致可以分为三个阶段:数据准备、数据处理和数据输出。在数据准备阶段，数据脱机输入到穿孔卡片、穿孔纸带、磁带或磁盘上。这个阶段也可以称为数据输入阶段。数据输入后，计算机必须对数据进行处理。为此，用户必须事先编译好程序，并将程序输入计算机，计算机根据程序的指令和要求对数据进行处理。
6、数据治理十步法以下文章来自《谈数据》，作者石秀峰。1.找到症状，明确目标。任何实施数据治理的企业都不是为了管理数据而管理数据，而是由管理和业务目标驱动的。企业常见的数据质量问题包括:数据不一致、数据重复、数据不准确、数据不完整、数据关系混乱、数据不及时等等。这些数据问题的存在给业务的开展和业务部门之间的沟通带来了很大的麻烦，造成了很大的成本；异构系统中的数据不一致，导致业务系统之间的应用集成失败；数据质量差无法支持数据分析，分析结果与实际相差较大。
