?在數字化轉型過程中，企業首先要做的便是打通數據煙囪，這就涉及具體的數據治理。數據治理的目的是為業務提供指導，成熟的數據智能管理者會先從應用的角度切入，從全局思考數據治理的維度，以項目的形式按階段完成數據治理工作，將多個應用需求整合到數據治理中。同時，還要把控好業務場景變化和IT系統變化情況。

不論是企業技術人員、業務人員、中高層管理人員還是數據服務商，都要意識到數據治理是持續且長期的工作。初期的數據治理是為了解決某個應用的痛點，但在長期的數據治理過程中，需要考察技術架構是否能夠保持穩定，是否能夠按照架構建設初衷穩定運行。同時，數據產出的結果要由應用場景來檢驗，在治理過程中不能通過單一的結果就認為數據治理是無效的或者效果顯著的。數據治理是系統化的工程，需要參與方有深刻認識并能深入參與其中。

數據治理的步驟

從本質上說，數據治理是一個體系化的過程，要以服務應用場景為前提展開工作，在治理過程中，CTO/CIO需要將可能應用到的場景提前做好規劃，并運用這些業務場景不斷檢驗、指導技術部門的數據治理工作，從而確保數據治理的結果是有效的。

數據治理一般分4步進行。?

1.數據集成

數據治理的第一步是數據集成，即根據業務需求及特性，將企業內部管理系統和外部數據融合。數據融合要完全覆蓋業務場景。數據集成的工作原理是通過各種數據工具融合不同渠道的業務數據并保持長期穩定運行。

對于人員變動或業務調整導致數據融合工作無人維護的情況，一方面需要標準化的方式進行數據融合，另一方面也可以通過專業的數據工具將業務場景中缺失的數據進行補充，以保障數據的全面打通，為后期業務變化和系統維護提供堅實的保障。

2.數據治理

將企業內外部全域數據融合完畢后，接下來需要對數據進行治理。首先需要設計數據治理模型，包括建立數據標準。建立數據標準要深入產品和業務系統中，以便為后期數據智能化管理提供穩定的基礎。數據標準包含不同方面，比如數據應用標準、業務數據標準、數據實踐標準。

3.數據服務

數據服務是為使用場景準備的。建設數據中臺會經歷從局部數據到全域數據的整合過程，并且涵蓋企業全部業務系統。在龐大數據的基礎上，依據不同的業務場景和產品類別，會形成特定的數據服務，這些數據服務可為業務部門提供用戶畫像、群體標簽等助力營銷推廣的內容。此外，分析方法、算法模型和用戶分群、聚類的數據能力也包括在數據服務內。

4.數據安全

數據不但要滿足企業內部使用，還會因業務合作與外部產生聯系。因此，保障數據安全變得十分重要。在數據中臺架構之上，可針對不同的數據類型進行不同形式的安全設定。依托數據中臺數據分層保護機制構建的數據安全服務中心，可以保護來自不同系統的數據。在與外部進行數據合作時，可以通過數據中臺搭建的公共空間完成隱私數據的安全交互。

總而言之，數據安全通過數據中臺特定的機制得以保障。通過數據中臺建設一個對外輸出的平臺，針對數據的不同類型、涉私程度制定相關措施，將數據保存在一個相對安全可控的環境中，而不同部門的人員可以在這個平臺上進行內外部數據的共享和交互。

數據治理標準建設

制定和出臺數據治理標準將幫助企業更好地進行數據治理。

1.數據治理管理條例出臺

不論是金融業、零售業還是傳統產業，這些成熟的行業都會有一套相對完整的數據標準，且是從行業業務特性出發對數據進行定義。這套數據標準是行業通用的，企業也可以采用行業標準作為數據治理的參考。

2.數據治理意見和指導

隨著數字化浪潮的推進，數據治理的相關標準也在不斷改進。對于數據治理，國家也出臺了部分指導意見，企業進行數據治理時可將其作為重要參考。

3.數據全覆蓋

數據全覆蓋包含3方面內容，分別是數據治理全覆蓋、數據架構全覆蓋和業務領域全覆蓋。

數據治理全覆蓋是指在思考數據治理的時候要搭建體系化的數據治理工具。數據治理團隊搭建的數據治理模型不僅要契合中臺的功能，同時，數據治理團隊還應該考慮到數據獲取方式、數據類型和內容、數據應用方式等，這些可以為完善數據治理模型、調整數據治理方向提供思路。

數據架構的全覆蓋不僅包括傳統的數據倉庫，還包括關系型數據庫的處理。數據治理的思考源頭應該從應用方向考慮，數據治理的架構將會越來越復雜，覆蓋面也會越來越廣。

業務領域全覆蓋是指數據治理要覆蓋全部業務場景，包含常規業務數據，比如銀行的貸款、儲蓄、理財業務，以及更為細化的業務內容，比如銀行教育性金融產品、旅游性金融產品等。

伴隨消費場景的不斷變化，新的業務領域會不斷呈現，數據治理的方向也會越來越多，這就要求企業要全面進行數據治理。

4.以應用驅動數據治理

數據治理的目的是智能應用，數據治理和數據應用必須不斷融合和過渡。數據治理要有目的，需要一開始便制定好數據治理的標準和方法，在實施過程中不斷以應用為出發點逐步推行。?