数据治理是一个长期而复杂的项目，数据治理的各个领域可以作为一个独立的方向来研究。目前，数据治理的领域包括但不限于以下几个方面：数据标准、数据模型、元数据、主数据、数据分发和存储、数据生命周期管理、数据质量、数据安全等。同时各领域之间需要有机结合，如数据标准、元数据、数据质量等几个领域相互协同和依赖。

　　通过数据标准的管理，可以提升数据合法性、合规性，进一步提升数据质量，减少数据生产问题；在元数据管理的基础上，可进行数据生命周期管理，有效控制在线数据规模，提高生产数据访问效率，减少系统资源浪费；通过元数据和数据模型管理，将表、文件等数据资源按主题进行分类，可明确当事人、产品、协议等相关数据的主数据源归属、数据分布情况，有效实施数据分布的规划和治理。

　　数据治理并不是一个新词，最初企业中的数据治理是相对简单的。几乎所有被治理的数据，都是在企业内部的事务处理系统中生成，与现在相比，数据量较低，数据类型、IT环境也比较单一。随着IT技术的整体发展，特别是大数据时代的到来，数据治理的“担子”变得越来越重。

　　企业如果缺乏有效的数据治理策略，最直接的，将产生大量的“劣质”数据，这些数据的存在可能会带来更大的风险，更高的管理成本，更低的工作效率等等。甚至于，在数据分析如此盛行的当下，劣质数据将对企业决策产生消极的影响——错误的数据，得到错误的结果。

　　企业数据治理需要注意什么？

　　数据治理是一个复杂的系统工程，涉及到企业和单位多个领域，既要做好顶层设计，又要解决好统一标准、统一流程、统一管理体系等问题，同时也要解决好数据采集、数据清洗、数据对接和应用集成等相关问题，这时就要注意以下方面：

　　1.跨组织的沟通协调问题

　　数据治理是一个组织的全局性项目，需要IT部门与业务部门的倾力合作和支持，需要各个部门站在组织战略目标和组织长远发展的视角来看待数据治理。因此，数据治理项目需要得到组织高层的支持，在条件允许的情况下，成立以组织高层牵头的虚拟项目小组，会让数据治理项目事半功倍。

　　2.投资决策的困难

　　组织的投资决策以能够产生可预期的建设成效为前提，但往往综合性的数据治理的成效并不能立马体现，它更像一个基础设施，是以支撑组织战略和长期发展为目标，所以，导致此类项目无法界定明确的边界和目标，从而难以作出明确的投资决策。

　　3.工作的持续推进

　　数据治理是以支撑组织战略和长远发展为目标，应当不断吸收新的数据来源，持续追踪数据问题并不断改进，所以数据治理工作不应当是一锤子买卖，应当建立长效的数据改进机制，并在有条件的情况下，尽量自建数据治理团队。

　　4.技术选型

　　这几年随着大数据的发展，有针对传统数据库的，有针对大数据数据库的，再加上组织对自身数据资产情况没有一个清晰的认识，这也就导致了数据治理的技术选型困难。

　　数据已经成为企业的核心无形财富，谁掌握了准确的数据谁能获得先机，在当前日益激烈的市场竞争中，如何在不同的市场细分市场建立客户形象，进行准确的营销，如何选择竞争战略，如何做出管理决策，必须基于360度全方位、准确的客户数据分析和判断。