在这个大数据的时代，数据就是生产力。 如何让数据成为企业的核心竞争力？ 怎么利用大数据分析和挖掘能力实现数据价值？ 如何让员工快速高效地获取到企业的信息资源并能有效地利用？ 这其中涉及到很多的理念，但是这些理念背后有一个共同的特征：那就是“用数据说话”。 我们先来看看在不同业务场景下，不同企业对数据的认知和理解。

1.业务场景

（1）传统的信息数据：企业通过信息系统收集、处理、存储数据，并形成数据库来支持业务需求。 （2）新型的信息数据：采用先进的技术手段和方式获取，从而更好地支持业务。 （3）新兴的业务数据：以数据为中心，通过对用户画像，建立企业画像，并基于此为用户提供个性化服务。 （4）新产品设计：新产品从设计开始，就可以采集相关信息，为用户提供定制化服务；同时将获取到的用户画像进行分析和处理，形成业务模型，指导下一步设计。 （5）商业智能是基于商业场景和业务规则的挖掘与分析技术。

2.数据概念

数据（Data），指信息。 其中，数据是指以数字形式存储、处理和使用的信息。 通常情况下，一组相关的数据通常由一组数据构成（如文字、图像等），这组数据就是我们常说的“数据”。 如果没有数据或没有对其进行组织管理（如文档、表格等），那么就无法理解数据及其在企业中的应用。

3.数据质量

在数据治理过程中，需要以高质量的标准来保障数据的质量，让数据能够被正确地使用。 所谓数据质量，即是指通过技术手段能够确保的、符合特定标准要求的数据。 [1]：在企业内部一般会采用多维度、多指标、多类型等对不同场景下的信息进行有效地分类，并结合不同维度间相互之间的关系，来确定相关指标的阈值范围。

4.数据模型

对于数据治理来说，数据模型是至关重要的一部分。 数据模型描述了我们使用数据的方式，它会将我们的应用和分析中需要的内容封装成一个可重复使用的标准。 从广义上讲，数据模型可以是任何形式，包括文件、文档、图片、表格等等，甚至可以是简单地写在纸上或印刷成册。 通过将不同类型的技术集成在一起，以满足应用特定功能和目标需求的方式，我们可以构建出一种具有通用性且易于使用的形式。

5.数据生命周期管理

数据生命周期管理（Lifelong Life Cycle Management, LIM）是指将数据从产生、存储、使用、到消亡的整个生命周期所涉及的所有要素进行统一管理的过程。 数据治理可以理解为一项系统工程，它需要有计划有步骤的实施，它需要系统全面地分析各个环节所存在的问题和需要解决的风险。 我们在日常工作中经常会遇到一些数据管理问题： 我们经常会看到业务部门或者是 IT部门的人说我们公司以前没有这些东西，然后这些都出现了，这怎么去处理？

更多数据治理相关资料请咨询客服获取，或者直接拨打电话：020-83342506