数据治理背景
狭义上讲，数据治理是指对数据质量的管理、专注在数据本身。广义上讲，数据治理是对数据的全生命周期进行管理，包含数据采集、清洗、转换等传统数据集成和存储环节的工作、同时还包含数据资产目录、数据标准、质量、安全、数据开发、数据价值、数据服务与应用等，整个数据生命期而开展开的业务、技术和管理活动都属于数据治理范畴。有的专家干脆把广义的数据治理称为数据资产管理。
数据治理专注于将数据作为企事业单位数据资产进行应用和管理的一套管理机制，能够消除数据的不一致性，建立规范的数据应用标准，提高数据质量，实现数据内外部共享，并能够将数据作为组织的宝贵资产应用于业务、管理、战略决策中，发挥数据资产价值。
现如今的大中型企业，內部职责分工逐步细化，采购、服务、市场、销售、开发设计、支持、货运物流、财务、人力资源等每一个环节，无不时时刻刻产生着大批量的数据信息。数据信息的形式也变得越来越多元化，包括IT 里存储的结构化、非结构化数据，各种各样电子文档数据信息等。
在数据智能运用的道路上，数据烟囱、信息孤岛遍布。由于顶层设计的缺失及历史原因，企业的各个业务系统、管理系统等的数据壁垒问题严重。
另外，由于所用技术不同、开发团队水平不一、开发平台和工具不统一、缺乏规范的数据管理标准，各个系统间的数据难以兼容及集成。数据无法共享，造成一定的数据存储成本及数据管理成本的浪费。
数字化转型企业来说，追溯数据来源、统一数据定义、分类数据存储、消除无效数据，可以降低数据管理成本，规避数据应用的法律风险，降低产品维护及开发成本。
大数据治理的五大核心要素是：
1、明确数据治理责任，建立数据治理组织
数据信息出了难题，到底是谁的责任?由于数据信息主要是IT 产生的，因此长期以来，处理数据信息难题都被认为是IT部门的职责。而IT部门也备受其苦，数据信息定义和业务标准，业务部门最了解;数据整理录入，营销人员负责;数据信息使用，营销人员是用户;数据信息考核，业务部门有权力……但实际上，要切实解决数据信息难题，开展数据治理工作，就必须先了解一点：数据治理，是业务部门和IT部门共同的职责。
2、管理出成效，规章制度是保障
大数据治理需要管理和规章制度的强有力支撑，可结合公司的现状，制定相应的管理办法、管理制度、认责管理体系、工作人员角色和岗位工作职责等，执行有关的数据治理的企业规章制度等。
3、数据信息规范：没有规矩，不成方圆
数据信息规范是指对公司核心数据信息开展有关存在性、完整性、质量及归档的测量标准，为评估公司数据质量，并且为手动录入、设计方案数据加载程序、更新信息以及开发设计应用软件提供的约束性标准，数据信息规范一般包括数据标准、数据库系统、业务标准、元数据、主数据和参照数据信息。
制定数据标准的目的是为了使营销人员、专业技术人员在提到相同指标、名词、术语的时候有一致的含义。数据库系统对企业运营过程中涉及的业务概念和逻辑标准开展统一标准定义。业务标准是一种权威性原则或指导方针，用来描述业务交互，并建立行动和数据信息行为结果及完整性的标准。元数据可以帮助增强数据信息理解，可以架起公司内业务与IT部门之间的桥梁。主数据用来描述参与组织业务的工作人员、地点和事物。参照数据信息是 、应用软件、数据库、流程、报告以及交易明细中用来参照的数值集合或类别表。
4、数据治理活动，理论结合实践
数据治理活动是指为实现数据信息资产价值的获取、控制、保护、交付使用以及提升，对数据信息规范所做的计划、执行和监督工作，一般包括以下活动。
数据信息架构管理，用于定义企业数据需求，设计方案实现数据信息需求的主要蓝图，通常包括数据标准管理、数据库系统管理、数据信息集成架构等；数据质量管理，指通过计划、执行和控制活动，应用质量管理技术度量、评估、改进和保证数据的恰当使用；元数据管理，指通过计划、执行和控制活动，以实现轻松访问高质量和整合的元数据；数据安全管理，指通过计划、制定并执行数据安全政策和措施，为数据信息和信息提供适当的认证、授权、访问和财务审计；参照数据信息和主数据管理，指通过计划、执行和控制活动，达到保证参照数据信息与主数据的一致性。
5、数据治理软件：工欲善其事，必先利其器
现阶段业内受欢迎的数据治理软件，一般也称为数据信息资产管理产品、数据治理产品，主要包括的功能组件有元数据管理工具、数据标准项目管理工具、数据库系统项目管理工具、数据质量项目管理工具、主数据管理工具、数据安全项目管理工具等。
应用数据治理软件主要处理公司不同来源数据信息集成过程中碰到的难题，需要数据治理软件可以为公司提供统一标准的元数据集成、数据标准管理、数据库系统设计方案、数据质量核查、数据信息资产目录、数据分析服务等能力。
那么应该如何正确治理数据呢?
工欲善其事，必先利其器
在实践工作中发现，数据治理工作是结合了业务、技术、流程、组织架构、专业人员和专业方法的各项工作的集合，这些工作很大程度上依赖于各类数据治理工具来实施落地。正所谓好的工具是成功的一半，一套好的数据治理工具，足可以使数据治理工作事半功倍。
在技术落地层面，需要自下向上推进，从实际内容来看，数据治理是一套工具集。结合十几年大数据技术经验，打造了一套完善、通用的的数据治理工具数据治理平台，包括数据集成、数据交换、实时数据计算、主数据、数据标准、数据质量、数据集成、元数据、数据交换、数据资产、数据生命周期和数据安全十大功能模块，去帮助企业规范的定义与加工数据、清晰的管理数据、安全的应用数据。
平台流程上从下至上主要分为以下几层：
数据源层：客户的各类业务数据来源，包括OA、ERP、CRM等业务系统数据、社交媒体、互联网等外部数据。
数据存储层：业务数据到数仓到数据中心等流转过程中的数据输入输出，支持百亿级数据实时计算存储。
数据整合层：通过数据集成、元数据管理、数据标准管理、数据质量管理等实现数据高质量高标准整合。
数据服务层：基于整合层数据，通过数据交换、主数据管理、数据资产管理，实现数据数据资产的无障碍共享和多渠道应用。
数据应用层：主要通过平台便捷的应用功能，从而改善决策支撑、缩减管理成本、降低数据风险、提升数据价值，并提供数据公开等。
数据治理平台用于落实数据管理体系，实现数据管理自动化，提高数据管理效率，确保数据质量、实现安全数据共享。主要包括元数据管理、数据标准管理、数据质量管理、数据集成管理、主数据管理、数据交换管理、数据资产管理、数据安全管理、数据生命周期管理9大功能模块。
数据治理平台工具，旨在满足数据治理政策要求，达到最终管理目标：逐步提升数据质量，力争确保数据安全管控，不断发掘数据资产价值，实现政企可持续发展。