随着数字化转型的推进，各企业都开始关注数据治理，目前数据治理的概念已经是老生常谈了，从《国家“十三五”规划纲要》《国务院关于印发“十三五”国家信息化规划的通知》到《网络安全法（草案）》等，都对数据治理有了明确的定义。 而在实际开展的过程中，很多企业也在逐渐摸索出一套适合自己数据管理体系，并建立了一些成熟的实践案例。 数据治理是一种从数据源头进行管控和治理的工作，通过梳理数据资源目录、组织机构、管理流程等相关内容，从组织体系、技术标准、资源规划、平台架构等多个方面入手对企业整体或局部范围内进行优化、提升和管理。 从这个角度来看，我们可以把“数据治理”定义为“通过梳理数据资源目录来提升数字化基础能力”以及“通过建立标准化机制提升数字化应用水平”。 从整体上来看，数据治理的过程是一个循序渐进的工作，这与我们平时做数据开发和管理一样，不同阶段采用不同方式（即“先做什么后干什么”）。

一、梳理数据治理框架

首先要建立一个整体的框架，明确数据治理项目中涉及的内容和范围，在制定数据质量、标准、数据资产、平台架构、应用场景等具体内容时，也要明确所依据的框架是什么。 例如，我们可以把数据治理框架分为三个层次： 第一层为总体目标，如“哪些数据可以纳入到数据资源池中、哪些不可以，应如何进行整合”；第二层为顶层设计架构和内容，如“数据治理框架中涉及哪些模块”，“各模块之间是怎样的关系”；第三层为具体应用。 从这个角度来看，我们可以看出要构建一个全面的治理框架来指导实施方案中所涉及到的部分工作。

二、组织架构搭建

企业需要根据自身情况，结合不同业务、职能部门的特点，建立起自己数据治理架构，也就是数据治理架构的基础体系建设。 数据治理架构包括管理制度、技术标准和数据规范等方面。 其中，管理制度和技术标准是针对企业内部的具体情况制定的规则，通过这些规则可以保障数据开发与使用流程有序、安全地进行；而数据规范则是通过企业内部相关组织、部门之间达成共识、共享标准，保障企业内部各种业务应用的统一。 由于各公司业务发展模式不同，数据规范也会有所不同，所以组织架构需要在前期建立时综合考虑，在组织架构上充分考虑到各个角色的特点和需求。 另外要注意一些细节问题：

三、数据资产分析

数据资产是指企业拥有或控制的、可以被识别和计量的资产。 数据资产主要包括：历史存储数据资源（数据仓库、数据库管理系统、数据元）；应用系统中所使用的源程序、接口等；所存储数据的结构化格式（表、表链接）、完整性；以及相关文档资料（电子邮件等）。 数据资产分类体系是从数据质量控制和管理角度出发，将企业产生和应用的各类资源划分为若干类别，对不同类别所对应的标准进行统一，并通过标准规范的形式，使用户能根据自己需求，对各类资源进行选择和组合。 通过这些方式来达到对企业数据进行分类识别、分级及管理的目的，从而实现在统一管理范围内对企业各项信息资源进行优化，提升信息系统整合利用效率。

四、数据资源规划与平台建设

根据企业数据资源的总体规划，制定数据资源规划体系。 在制定的过程中，首先要根据企业数据管理规范和标准，对现有的各个部门、各类系统及数据进行全面梳理，对数据建设所需资源进行整合、优化、标准化处理，确保各部门能够准确提供所需的信息；其次建立数据基础设施平台，包括统一数据管理平台、统一数据存储平台等；最后按照国家或行业标准，制定各业务系统所需的统一标准和规范文件。

五、数据质量提升

从数据质量管理和规范的角度，建立一套全流程数据质量管控体系和规范的业务流程，包括： *全周期跟踪维护数据规范的实施情况； *通过数据治理提升全周期数据管控水平，实现全面有效监控企业内的数据状态。

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