什么是数据治理?
目前业界并没有对其概念的统一标准定义，我们可以这么认为，数据治理从本质上看就是对一个机构(企业或政府部门)的数据从收集融合到分析管理和利用进行评估、指导和监督(EDM)的过程, 通过提供不断创新的数据服务, 为企业创造价值。[1]
DGI(Data Governance Institute，数据治理研究所)认为，企业不仅需要管理数据的系统，更需要一个完整的规则系统以及规章流程。数据治理基本上涵盖了企业所有与数据有关的内容，因此在整个企业范围内，包括工作流程、涉及人员和使用的技术等等，都需要经过仔细考量，以保证数据的可用性、一致性、完整性、合规性、和安全性，确保在整个数据生命周期中，都具有较高的数据质量。
总体来说，数据治理的目标就是提高数据质量，将数据价值最大化。具体而言，数据治理的任务包括以下几点[1]：
- 构筑适配灵活、标准化、模块化的多源异构数据资源接入体系;
- 建设规范化、流程化、智能化的数据处理体系;
- 打造数据精细化治理体系、组织的数据资源融合分类体系;
- 构建统一调度、精准服务、安全可用的信息共享服务体系。
为何数据治理如此重要?
分析机构BARC在一项研究中对全球378家公司进行了调查，96%的受访企业认为，数据治理已经不可或缺，而且未来将继续在企业中发挥核心作用。调查显示，合规性(64%)、更有效地使用数据(54%)，以及与业务相关的内部和外部数据的不断增加(54%)是企业制定数据治理计划的主要驱动因素。
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。
制定良好的数据治理计划，所带来的优势是非常显著的，主要有：
- 企业将获得更干净、质量更高的数据，为进一步的数据活动打好基础
- 标准化的数据资产管理方法、流程和策略，将有效提高数据运营效率
- 使数据更容易与业务建立紧密连系，推动数据资产的变现
- 提高数据安全性，保证合规性
总体来说，数据治理能够带来的好处就在于，更高效地帮助企业将数据价值转化成实际的业务价值。
数据“井喷”仍在进行，机器学习、AI等这类十分依赖数据质量的技术持续火热，全球数字化转型浪潮也在全面推进，由此可见，数据治理未来将继续在组织的数字战略计划中占有重要地位。
大数据时代，数据治理面临新的困境
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。
IT应用类型、数据源、数据分析方法不断增加，数据治理进入了一个新的变革和发展阶段。面向大数据的数据治理，应该具有更高的能动性，需要跟上更快的IT环境变化速度，做出积极的反应。可以说，在新的发展阶段，数据治理的各项要求将变得更加具有挑战性。
大数据治理必须跟踪跨多个平台的数据访问和使用情况，并减轻数据使用不当造成的风险。在大数据环境中，验证数据源并确保数据质量和数据完整性成为一个巨大的挑战;此外，海量数据的存储、如何最大化数据处理效率、保证数据可靠性与安全性也更具难度。
