一、必须加强数据应用
在数据驱动的时代，不基于数据做出决策，就容易导致失败和损失。但是，数据应用过程中总会存在这样那样的问题，怎么办？这就涉及几个问题：
（1）是否开发和策划了基于战略和业务的应用场景
数据驱动的重要体现就是场景化应用，所以场景的开发和设计应该纳入业务数字化转型的重要考核内容，否则业务做出的决策大都是靠直觉的。因此，可以把场景的数量、场景的有效性、场景的价值等作为指标进行持续跟踪考核，并辅以激励机制。这样，才能调动业务部门的积极性，才能真正让数据发挥价值。
（2）是否业务提出了具体的和场景相关的数据问题
数据问题大都是业务在使用过程中发现的，比如完整性、一致性、准确性等。因此，一个企业是不是真正数据用的好就看业务提出的数据问题多不多。现实情况往往是一问业务就是没问题，反倒技术部门总是反映完整性、一致性、相关性等问题。这就本末倒置了，用数据的没有问题，不用数据的总有问题。
（3）这些问题是否能够得到有效的解决并可以应用
实际上，数据问题是影响数据使用的重要因素，比如不准确、不及时、不规范、不共享等等，那么业务提出问题的时候能不能有效解决就很重要。我们经常发现业务部门之间要不到数据的问题，找到信息管理部门，信息管理部门不知道怎么办，找到对应业务部门，业务部门也不知道该不该共享，折腾几次就没有人对要数据有热情了。其实这就是典型的数据治理问题，他需要构建一致的协同机制解决，而不是话传话，考感情解决。
（4）这些问题的解决是不是需要数据治理程序介入
数据问题的解决有的是机制问题、有的是技术问题、有的是人的问题，因此在发现数据问题时要分类进行分析，只要涉及机制体制、制度流程、绩效激励等问题，就可以归结为治理问题。也就是通过治理来规范数据问题解决的能力，做到发现问题能落实到岗位、能落实到人、能落实到结果。以问题结果成效完善治理机制。
二、必须体现应用价值
数据的应用必须也业务价值高度关联，对战略和业务不产生价值的应用场景就是负债，因此在构建数据应用场景时必须考虑对业务的贡献度。这也是数据应用价值的直观体现，这里面涉及几个问题：
（1）哪些数据场景是有价值的场景
构建高价值的业务场景是数据场景构建的第一原则。现状是有的企业梳理了很多的数据场景，持续应用的又不多；有的企业则不知道有哪些数据应用场景。这是两个极端，其实数据场景就是以业务经营管理应用为基础，以赋能业务经营管理为目标。能够为业务管理带来价值的场景就是好的，无论辅助决策、降本增效还是模式转换。因此，数据场景是否有价值就看是否真的为业务带来价值。
（2）如何构建针对业务价值的指标
当前，很多企业都在开展指标体系建设的工作，梳理的指标少则几千，多则几万，甚至更多。指标的建设是必要的，指标是反映企业、部门发展健康程度的指针。但是，无法预测、推演、决策的指标梳理的再多，对业务价值贡献也不大。目前，很多企业指标还是孤立的竖井式统计模式，只在部门内容或垂直条线有作用，无法形成横向拉通、纵横一体的战略模式。
（3）数据治理如何在过程发挥作用
实际上，数据治理最重要的目的就是保障价值实现的，因此对场景的价值化要制定监督和测量计划，保障场景的价值化实现，保证指标的可持续健康高质量作用。因此，数据应用场景的制修订管理、指标的制修订管理、场景指标的治理，都应作为数据治理在这一过程的重要工作。
三、必须快速解决问题
数据问题是影响数据使用最大的因素，而且有些问题并不容易解决。在解决数据问题过程中主要涉及以下几个方面：
（1）数据问题反馈的渠道和规范程度
（2）数据问题的定责和如何进行解决
（3）数据问题优先级划分和影响因素
（4）数据治理在数据问题过程中作用
四 必须融入治理能力
传统的数据治理和传统的工作思维碰撞在一起很难发挥作用，有时候竟然还会朝着相反的方向并产生矛盾和冲突，所以，必须改变传统的数据治理理念和方式，这就涉及几个转变：
（1）一是由被动治理向主动治理转变
（2）二是由治理思维向服务思维转变
（3）三是由管理壁垒向协同融合转变
（4）四是由数据管理向数据工厂转变
（5）五是由成本思维向价值思维转变
五 必须打造流通体系
激活数据要素生产力，打造数据高效流通的体系，才能发挥数据更好的价值。但是，在企业中如何打造流通体系，这就涉及以下几个问题：
（1）如何打造数据底座
（2）如何汇聚交换数据
（3）如何建立确权体系
（4）数据治理机制作用
