數字化轉型中，經常提到數據治理的概念。一般來說，在企業的數字化工作中，就直接使用“治理”這個詞了，用來呼應數字化時代的一切工作內容。

在日常的溝通和表達上，人們通常很少對數據治理和數據管理彼此進行嚴格的區分，也經常將兩者“混用”。

然而，數據治理和數據管理表達的是完全兩種不同的意思。

雖然不必在任何交流場景中都對詞匯的區別進行較真，但是明白二者之間的差異，有利于更好地開展真正的數據治理工作，推動企業的真正“轉型落地”。

那么，數據治理到底是什么意思呢？

根據DAMA對數據治理的定義：數據治理是對數據資產管理行使權力和控制的活動集合。

這么官方的表達，其實并不是很好理解。但根據我的理解，可以用更通俗的語言來解釋數據治理的內涵——數據治理是指通過對數據管理活動產生影響，達到業務上的目標。

在企業中和數據相關的工作中，數據治理的層次比數據管理更高。

數據管理工作屬于常態化的工作，處于執行層，包含一切和數據獲取、加工、維護、使用、銷毀等全生命周期的活動。

幾乎任何企業都會以數據打交道，因此，也可以近似講，數據管理工作其實存在于所有企業當中。不管是傳統企業，互聯網企業，還是AI獨角獸，都會進行數據管理。

區別只是不同企業的數據管理的成熟度而已！

相比數據管理，數據治理處于決策層，關注的是對數據管理現狀的改變和優化，使其越來越好，而數據治理工作，又與數字化轉型的大目標是一致的。

數據治理是一個動態的過程！

數據治理既可以面向數據管理活動，也可以面向數據內容質量。對于前者，更關注數據活動的標準、流程、方法、模型、場景的建設;對于后者，更關注基于已經確定的數據質量要求，開展具體的數據整改。

廣義上講，數據治理也包括數據加工與數據價值開發。

對于數字化轉型來說，廣義上講，包括技術和業務兩大方面的工作，在技術維度的重點就是數據治理，是“打基礎”;在業務維度的重點就是場景建設，是“搞創新”。

數據治理和場景建設，二者之間相輔相成，原則上，分別由數據部門和業務部門牽頭組織推動，但具體實施上仍需要深度聯動方可達到比較好的成效。

值得注意的是，數據治理沒有最好只有更好，持續推動數據管理成熟度的不斷加深。另外，數據治理是成本項目，數據治理本身并不直接產生價值，必須通過場景建設來實現。

因此，數據治理工作必須有重點，有優先級，要對著業務的實際迫切需求來。例如，在數據質量整改過程中，對很多字段的準確性沒有必要較真，要把重點放在對業務產生重大影響的核心字段。

另外，數據治理雖然關注數據管理活動的改變，但是在具體實施上，仍然是一個非常枯燥、勞累的活兒。

為了保障數據治理的有效性，除了頂層方法設計，最終還是要落地到廣大基層一線的每一項工作環節中，只有扎根業務，耐心引導，才能真正地影響數據管理，避免“前治后亂”的現象出現。