为什么商业领袖热衷于数字治理？不可否认，数据治理非常流行。在DAMA数据管理知识体系指南中，数据治理位于数据管理“车轮图”的中心，是数据架构、数据建模、数据存储、数据安全、数据质量、元数据管理和主数据管理等10个数据管理领域的总纲，为各种数据管理活动提供了总体指导策略。说到数据治理，很多企业常说与企业战略和组织架构有关。
是战略，是标准，是文化。但是，只有真正做过数据治理的你才知道，数据治理不仅又脏又累，还是一个吃力不讨好的工作，往往让领导看不到价值。在数据治理的过程中，有时会不被理解。数据治理是一个基础工程，人们总会看到数据应用的“高屋建瓴”。数据治理团队每天忙忙碌碌，领导不知道这些人在干什么。但是，只要数据有问题，第一个被问责的人就是数据治理团队。
6、刘晓春:数据治理是科技向善的源头刘文·肖春曾几何时，人们以为随着科技的发展，人类将从繁重的体力劳动和简单枯燥的重复性劳动中解放出来，将进入一个更加公平、更加和谐的社会。然而，这样美好的社会始终没有实现。工业社会以来，繁重的体力劳动和简单枯燥的重复性劳动只是在技术进步中改变了形式，在资本和技术的作用下被更加精准残酷地压榨。随着工业化时代的到来，在机器代替人的同时，人类也发明了泰勒系统。
互联网、大数据、云计算、人工智能的出发点都是造福人类。但是资本的逻辑很清楚，减少劳动力，降低劳动力成本。更加精准科学的管理，带来的是“996”的喜讯和被算法困住的员工、快递小哥、客户。曾几何时，我们以为随着互联网的发展，数据更加开放，信息更加透明，卖家可以更容易的找到需求者，消费者可以更容易的找到自己需要的商品，投资者可以不通过中介直接找到合适的投资项目，准确评估风险。
7、数据治理总体解决方案数据治理过程是从数据规划、数据采集、数据存储管理到数据应用从无序到有序的过程，也是构建标准化流程的过程。根据每个过程的特点，我们可以把数据治理过程概括为四个字，即“理”、“采”、“存”、“用”。1.合理性:梳理业务流程，规划数据资源。对于企业来说，实时数据每天都会超过TB级别。你需要从用户那里收集哪些数据？这么多数据放在哪里，怎么放，怎么放？
8、数据治理周周谈(三数据质量管理的定义和目的数据质量管理是指在数据的产生、获取、存储、共享、维护、应用等整个生命周期中，对可能出现的各种数据质量问题进行识别、检测、测量、预警和处理等一系列管理活动。数据质量管理的目的是通过提高数据的完整性、准确性和真实性，为企业提供坚实可靠的数据基础，提升数据的使用价值，在企业的日常运营、精准营销、管理决策、风险管理等领域发挥积极有效的作用。
可以从哪些方面评价数据质量？在实践中，我们认为数据质量一般可以通过数据质量评价的维度来评价。数据质量评价维度是数据质量的特征之一，它提供了衡量和管理数据质量的方法和标准。在具体的数据质量项目中，应该选择最适合业务需求的数据质量维度来度量和评估数据质量。在GB/T36344《信息技术数据质量评价指标》中，国家标准化管理委员会定义了数据质量评价指标框架。
9、数据治理的好处有哪些?什么是数据治理DAMA国际数据管理协会对数据治理的定义:数据治理是对数据资产的管理活动行使权力和控制的活动(规划、监控和执行)的集合。简单来说，数据治理就是实现数据价值的过程。通俗的理解就是让企业数据变得不可控、不可用、难用、可控、方便、对业务有帮助的过程。数据治理的好处1。降低业务运营成本有效的数据治理可以降低企业IT和业务运营成本。
2.提高业务处理效率有效的数据治理可以提高企业的运营效率。优质的数据环境和高效的数据服务，使员工能够方便及时地找到所需的数据，然后就可以开始自己的工作，不需要部门之间的协调和汇报，有效地提高了工作效率。3.提升数据质量有效的数据治理对企业数据质量的提升不言而喻，这也是数据治理的核心目的之一。
10、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。
目标:企业实施数据治理的第一步是明确数据治理的目标和关键点。技术工具:实地调研、高层访谈、组织结构图，输入:企业数据战略规划、亟待解决的业务问题、业务发展需求、业务需求等。产出:初步沟通方案、项目任务书、数据治理工作进度表；2、数据管理、现状分析根据企业数据治理的内外部环境，本文从组织、人员、流程、数据四个方面分析了数据治理的现状。
