从狭义上讲，数据治理的定义只是对历史数据或错误数据的梳理和调整。国际数据管理协会（DAMA）定义：数据治理是数据资产管理中行使权力和控制权的活动的集合，这意味着数据治理不是一个简单的行动，而是系统管理的形成。

        《Master Data-Driven Data Governance: Principles, Technology and Practice》一本书详细提到了整个数据治理体系的构建。

        首先，我们需要明确数据治理系统的目标。数据治理的目的不超过三个：

        运营合规：运营合规是整个数据治理的基础，是提高数据质量的前提；

        风险控制：风险控制是将不确定性转化为可知可控风险的数据治理手段；

        价值创造：价值创造是数据治理的结果，结果导向验证整个数据治理是否有效。

        数据治理目标确定后，下一步的建设工作分为管理域、流程域、治理域、技术域和价值域四个部分。为了实现运营合规，我们的主要工作是建立管理领域。

        我们需要做的是，每个业务部门都知道战略。该组织应为跨越整个集团部门的治理委员会。系统和规范侧重于明确的数据标准和数据维护流程。

        对于风险可控的目标，我们主要关注三个方面：流程域、治理域、技术域。

        在数据治理过程中，需要形成四个步骤:分析-设计-执行-评估。事实上，它类似于戴明圈（PDCA），形成闭环，通过初步研究、设计实施、检查、分析反馈结果。

        在数据管理过程中，我们会发现一些问题。例如，要求不明确或调整频繁，数据清理影响评估不明确，清理责任部门不明确等。事实上，这些问题的风险可以通过控制工艺区域的步骤来尽可能避免。

        然后，我们认为数据治理的核心驱动因素仍然需要放在主数据中，需要将80%的时间作为基本数据进行整理和管理。同时，配合各业务系统生成的业务数据，确保准确性和及时性。

        在治理过程中，需要投入数据架构、控制平台、治理工具等。数据治理可以事半功倍。

        数据治理的目标是通过对数据资产的有效控制不断创造价值。通过有效安排治理结果和构建特定数据产品，实现上述价值创造。

        数据服务：通过数据采集、清理、导入，提高数据质量，确保数据一致性。这部分体现了主要数据治理的关键价值。

        数据流：支持跨业务、跨部门、跨系统的信息流和协作，实施信息集成分发机制。这部分体现了业务数据管理的关键价值。

        数据洞察：通过消除数据固有的质量缺陷，帮助数据分析师更好地理解数据，实现数据洞察，澄清数据之间的关系。这一部分体现了分析数据治理的关键价值。

        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