数据治理是由企业数据治理部门发起实施的一系列政策和流程，关于如何制定和实施整个企业内部数据的业务应用和技术管理。其最终目的是挖掘数据价值，促进业务开展，实现盈利。数据治理的对象包括数据、开发过程、管理过程、系统和组织。数据治理是顺利获得一套完整的管理行为，将关联方形成有序的工作来实现目标。

数据治理是由企业数据治理部门发起实施的一系列政策和流程，关于如何制定和实施整个企业内部数据的业务应用和技术管理。其最终目的是挖掘数据价值，促进业务开展，实现盈利。数据治理的对象包括数据、开发过程、管理过程、系统和组织。数据治理是顺利获得一套完整的管理行为，将关联方形成有序的工作来实现目标。
一、数据治理的必要性及其解决的问题
1、平台间信息不一致：平台间数据标准不一，缺少全局规范文档，信息无法对接应用
同一条记录在不同平台录入时数据格式、数值精确度等不一致，甚至名称、编号也有差别，数据在对接核对时就会出现混乱。
2、缺乏统一管理：IT系统建设缺乏统一的管理规范，无法从源头上解决信息混乱问题
系统建设时局限于部门需求，没有从业务全流程角度进行规划，导致平台系统分布零散、功能重复，权限管理不统一等问题。
3、系统间相互割裂：企业内部IT系统呈现孤岛化，信息无法流转
由于IT系统之间的相互割裂，当一项工作需要多部门配合时，同一个信息在不同系统录入时往往需要手工衔接，容易出现关键信息传递出错、信息遗漏等问题。

二、DAMA数据治理体系

1）元数据管理：集成、控制和给予元数据；
2）数据质量管理：定义、监控和提高数据质量；
3）数据架构管理：定义企业数据需求，设计实现数据需求的蓝图；
4）数据开发：设计、实施并维护解决方案，实现企业数据需求；
5）数据操作管理：数据库设计、实施和支持；
6）数据安全管理：确保隐私、机密性和合适的访问控制；
7）文档和内容管理：管理数据库之外的非结构化数据；
8）参考数据和主数据管理：管理珍贵版本和复制品；
9）数据仓库和商务智能管理：支持报表处理和分析。

三、数据治理关键步骤

1、数据汇总，梳理编目
建立汇总处理机制，汇总自然资源中包含的一系列数据。给予跨网络跨数据库的数据交换工具，关联原始数据源，提取所需数据并落入核心数据库。汇总后，形成统一的数据市场，以服务的形式共享数据资源。并对现有数据进行梳理和编目，对每个数据进行梳理后赋予唯一的数据地址，方便后续在系统中查找所需数据。
2、构建数据评价体系，注重应用反馈评价
梳理数据评价主题，构建数据评价规则和模型，形成数据评价体系。画像和聚焦数据，评估每个业务场景需要哪些数据支持。以业务应用程序的数据支持要求为导向，收集不同角色用户的数据使用反馈，分析数据的使用和可能的优化方向，分析和评估业务闭环中的数据支持。
3、构建元数据系统和数据标签
建立基本数据描述、数据质量描述、数据分类描述、其他扩展描述等维度的元数据标准体系。使用元数据描述数据可以让每个使用数据的人清楚地分析数据的时间、空间、来源、格式等信息。结合元数据标准，对数据进行标签处理，即对数据内容形成画像。在此基础上，利用机器自动检查现有数据，包括图形、空间、时间、逻辑一致性和冗余清洗。
4、梳理数据应用框架，构建指标模型系统
梳理数据应用框架，澄清数据之间的关联，明确各种数据的治理方向，形成数据应用清单。利用可视化数据模型定制工具和数据模型发布管理工具，将数据模型固化并落入系统，实现模型管理。
5、构建全方位数据运营机，建立业务数据双向互动机制
基于业务构建数据生命周期，建立可持续、全面的数据运行机制。数据系统运行机制的核心最终是实现与业务数据相关的模型，顺利获得相关模型建立业务和数据之间的双向互动机制，以数据为导向完成业务的关键环节。

四、数据治理工具推荐
数据治理的本质是盘点数据资产、提升数据质量，实施数据全生命周期的管理。工欲善其事，必先利其器。一套好的数据治理工具，能让企业的数据治理工作事半功倍。
睿治数据治理平台融合数据集成、数据交换、实时计算存储、元数据管理、数据标准管理、数据质量管理、主数据管理、数据资产管理、数据安全管理、数据生命周期管理十大产品模块，打通数据治理各个环节，十大产品模块可独立或任意组合使用，快速满足政府、企业各类不同的数据治理场景。