数据治理时，为什么要建立数据标准、提升数据质量？

数据质量差会影响到了哪些数据报表、哪些业务？

……

数据是企业的一项重要资产，这显然已经成为了大家的共识。但现实中，很多企业并没有将这项资产充分利用起来，挖掘真正的数据价值。

因为在一部分的传统企业看来，数据并不是一个重要的生产要素，而IT更是作为一个支撑性职能来看待。大部分人的数据思维和数据意识淡薄，在数据的收集、整理和处理上投入的精力很少，也导致了“无数据可用”。

正因为如此，数据治理则是通过改善数据质量，确保“有可用数据”，让合适的人可以访问合适的数据，最终实现企业级数据共享，为数据分析、挖掘提供基础。

一、数据治理的定义

数据治理是一个系统，它包含管理和保护数据资产所需的人员、流程和技术，其目标是建立标准化、集成、保护和存储企业数据的方法、职责和流程。

二、数据治理要怎么做

1、确定需求：与数据项目一样，详细的需求研究是数据治理第一阶段的工作。我们需要摸清楚企业数据资产的分布、数据的质量、数据的管理现状、数据应用需求等情况。

2、梳理数据：为了更好地梳理数据资产，我们可以基于业务主题进行梳理，还要制定数据资产的标准。

3、优化流程：对于企业而言，数据来源特别多，像财务、人力、供应链、生产、销售等。只有对数据过程进行规范，包括数据产生、采集、处理、加工、使用等，我们才能优化流程。因此我们可以通过统一数据标准，制定合理的数据管理流程和制度，规范数据生产供应的过程。

4、搭建平台：不同的客户需求必然不同，因此数据治理平台的搭建也按照客户需求搭建不同模块。

5、建立指标：提升数据质量是企业数据治理的重要目标，也是企业进行数据分析挖掘、业务管理和决策的重要基础，只有建立完整的数据质量体系，才能有效提升企业数据整体质量，从而更好的为业务服务。

6、优化模型：根据企业的数据价值和特征，梳理出企业的核心数据资产，对其分级分类，通过数据治理工具进行建模，定义敏感数据位置、描述和处理方式，保证数据的合规合法使用。

7、开放服务：通过数据资产目录、微服务等技术将数据进行开发共享，促进数据在企业中的应用，使得数据作为企业的宝贵资产应用于业务、管理和战略决策中，发挥数据资产价值。

8、赋能业务：数据治理最终要反馈到业务流程中，因此我们需要用数据驱动业务的落地，发挥数据价值。

9、持续优化：数据治理不能一蹴而就，为此数据治理的过程是一个不断的迭代和优化的过程。

产品和工具对于企业的数据治理项目都十分关键，企业若是想要保证数据治理项目能够成功实施和持续见效，唯工具论绝对不可取。除此之外，企业需要把握数据治理的时机，数据治理组织、文化和制度的保障以及建立长效的运营机制缺一不可！