数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数据治理是指组织对数据进行全面管理、维护和优化的过程。数据治理目的在于确保数据的正确、一致、可靠，并推进数据共享、数据价值挖掘和数字化转型。通过数据治理，企业可以更好地利用数据，提升业务效率和竞争力。本文探讨数据治理体系方法以及如何结合数据管理能力成熟度模型评估企业数据管理能力。
一、为什么要做数据治理？
数据作为推动经济社会发展及数字化转型的新动能已成为社会共识，数据治理作为基础性工作，受到越来越多企事业单位的重视。
1、随着企业信息化和数字化的发展，企业数据“多”管理问题引发的结果：
2、随着信息化发展，企业在不同业务领域建立了众多的异构系统，由于厂商众多，导致平台和技术各异
3、系统维护都是各自为政， 基础数据维护工作在各自属地业务系统进行维护，来源不清晰、缺乏协调。
4、各业务系统对数据的维护模型不同，导致各自的数据标准规范不统一，如：客商、物料等的分类标准。
5、同一数据在不同的系统中编码不一样，尤其物料，甚至同一业务板块，不同单位的物料编码都不一致。
6、由于平台和开发语言不同，实现数据互通，导致系统之间的接口繁多以及多种接口标准，系统集成和接口管理成本上升。
数据确权、数据质量、数据安全、数据流通已成为影响数据要素价值潜力发挥的重要因素，如何做好大数据治理工作成为数字化转型的新挑战。
数据治理是一个需要长期投入的工作，涉及业务和技术等方方面面，影响范围及复杂度高，治理效率尤为重要。
二、企业数据治理的现状及痛点
企业已经认识到数据价值的重要性，纷纷通过数据治理活动来挖掘数据的价值，提升数据管理水平。但还是存在很多问题，主要有6个方面：
1、对数据治理概念的理解还是比较模糊。往往只关注了数据治理中的某些环节，没有形成数据治理闭环；
2、数据治理工作没有总裁办、风险管理等部门参与。导致数据治理面临沟通协调困难，治理效率低下和效果不明显。
3、没有建立统一的数据质量体系、方法和规范
4、在数据治理落地实施、绩效评价等方面还没有专门的标准来指导
5、缺乏可行有效的监督、考核、评价机制，数据治理工作无法常态化
6、缺少配套的数据标准工具，支持数据标准落地
三、数据治理方法论体系框架
数据治理体系框架由四大管理层次和十一大管理领域组成，四大管理层次包括数据治理远景、数据治理驱动力、数据治理核心管控和数据治理基础支撑。
