大数据时代的到来，让政府和企业看到了数据资产的巨大价值，一边忙着出台激励政策，一边忙着探索应用场景、商业模式，建设技术平台。

而在建设大数据版图的同时，数据治理是无论如何都不能忽视的一环。如果没有数据治理，数据质量就没有保证，大数据的挖掘和应用就更无从谈起了。 

数据治理看上去很高大上，其实就那么回事，我们没必要把数据治理想得那么复杂那么难。做好数据治理其实只需要做到两点：承上和启下。

呈上是指，与信息化类似，数据治理也是一把手工程，需要由高层来推动，协调各业务部门和技术部门的配合，否则数据治理就无法落地；

启下是指，技术部门和业务部门要对数据足够重视，数据治理是一个系统性工程，最终离不开技术人员的实施落地。

数据治理，到底是治理什么数据呢？

关于数据分类，每个人都有自己标准，这里我列举一种常见的分类方式，大家不必纠结。

通常来说，我们会把数据分为：主数据、交易数据、参考数据、元数据和统计分析数据（指标）。

我们对数据分类，不是为了分类而分类，而是在对每一类数据进行数据治理是，关注点、方法和效果都不一样，需要区别对待。

下面简单谈一下对各类数据的一个理解。

主数据：关于业务实体的数据，描述组织内的“物”，如人、地点、客户、产品等。通过上帝视角对企业主要的“人”和“物”有个全局把控，为其建立现实和数据领域的唯一标识。

交易数据：即过程数据，描述组织业务运营过程中的内外部时事件或交易记录的数据。如：销售订单，通话记录，供应商名单等数据。交易数据是BI分析的基础。

参考数据：用于将其他数据进行分类或者标记整理的数据，光点科技成为数据标准。

元数据：即描述数据的数据，帮助理解、获取、使用数据，分为技术元数据、业务员数据等

统计分析数据：即对企业业务活动进行统计分析的数值型数据，也就是指标，如客户到达数等。

那什么是数据治理呢？

关于数据治理，不同软件厂商和咨询公司给出的定义都不同，但本质上是相似的。我这里就用光点科技多年来数据治理的经验给一个通俗的解释。

数据治理是一种带有强烈目的的实践活动，它以数据为核心对象，涉及政府、企业、个人等各类参与主体，覆盖数据全生命周期中的各种过程和状态，利用手段和活动释放、保护数据的价值。

数据治理是对数据资产进行规划、监控、执行、管理的一种带有强烈目的性的实践活动，目的是释放并保护数据的价值。

下面聊聊我个人在光点科技服务客户上的实践体会：数据治理和数据管控缺一不可，治理在前、管控在后。

数据治理针对的是存量数据，是个由乱到治、建立规范的过程；而数据管控针对的增量数据，是个有章可循，行不逾矩的约束。

做数据治理有什么好处？

我们做一件事，必定有这各自的目的。通常来说，企业做数据治理，目的无外乎以下几种：

（1）提升数据质量

（2）为共享数据建立清晰的决策规则和决策流程

（3）提升数据资产的价值

（4）提供解决数据问题的机制

（5）促进IT和非IT人员共同参与决策

（6）促进部门和业务单元之间的协作和相互依赖

（7）为共享数据建立共同责任制

总的而言，数据治理主要有三个目的：保证数据的可用性、数据质量和数据安全。

因为你的企业面临很多数据问题，所以数据治理是一个绕不过去的坎儿。快别去想“要不要做？为什么要做？”的问题了。

遇到问题，解决问题，就行了！

简单的事情，简单做。

真没那么复杂。