数据治理是广义IT治理的一部分，即制定与数据有关的标准规范、管理优化、数据保护、数据变现的政策。简单来说，数据治理就是让数据更有序、更合规、质量更好。
随着数字化转型认知的加深，数据资产化已经成为数据中台建设的重要目标和原则，数据治理成为企业绕不过去的一个重要环节，同时数据治理在落地层面也在发生这一些变化。
一、为什么要做数据治理?
数据治理是对数据资产行使权力和控制的活动集合。其最终目的是挖掘数据价值，推动赋能业务。数据治理是以元数据为基础，实现数据的产生、存储、迁移、使用、归档、销毁等环节的数据生命周期管理。实现数据从源侧到存储侧再到端侧的全过程管理，为用户提供了准确便捷的企业资产信息。
我们都知道，数据本身并不能发挥价值，真正发挥价值的是数据赋能。所谓数据赋能，简单来说就是将正确的数据在正确的时间交到正确的资源手上，这里的资源可以是人也可以是机器，可以是内部或外部的，也可以是移动或固定的。从数据赋能的角度说，数据治理过程应涵盖数据信任、数据及时性，以及数据可用性，还有数据保护，但是保护总有个限度，要考虑灵活性，数据保护不能扼杀创新，否则创新将聚焦于如何绕过数据治理。
数据治理是组织实施的一整套涉及数据的行为规范，在维护、控制和保护数据的同时，将正确的数据交付到正确的资源、此外，数据治理通过人员、流程、策略、架构和技术的管控，以保证数据的可用性、一致性、完整性以及合规和安全性，以达成与公司战略匹配的目的。数据治理实施得当，会提升的完整性和可用度，确保在整个数据生命周期中，实现较高数据质量的目的，这会极大助力数字化转型。企业需要的不只是一个数据治理的管理系统，而是一整套规则体系。
二、数据治理的发展趋势
1、数字化转型速度加快，数据治理的价值进一步提升
随着企业数字化转型的加快，企业数据量和价值密度呈现 高增长态势，不但有管理数据，生产、研发和工艺等环节的数据也越来越多，数据维度越来越多，颗粒度也越来越细。对数据采集、存储、分析、处理的工具、计算能力、建模应用能力的要求越来越高。传统分析技术捉襟见肘，需要能力更为强大的内存多维数据库技术和更强的算力作为支撑。数据治理的必要性大大增加。
2、数据治理和数据平台架构互相促进互相成就
数据平台架构的核心是数据中台建设，数据中台建设将与业务中台紧密结合，不断推动业务运转过程中的数据采集、存储处理、分析、应用的全生命周期管理，不断提升数据治理效率，巩固数据治理效果。与此同时，数据治理也不断验证优化数据中台架构的合理性、有效性，推动企业建立适应数字时代、市场快速变化条件下的新一代IT架构，完成从业务、财务和技术等全方位的数字化转型进程。
3、人工智能将大幅提高数据治理的效率和效果
企业的组织、业务、系统、流程变得越来越复杂，数据量越来越大、数据结构越来越复杂，需要投入大量的数据专业人力资源，依靠传统人工管理监控变得非常困难。数据治理将更多依靠深度学习、自然语言识别、模式识别等人工智能技术，运用到包括元数据和数据架构、主数据和参考数据、数据服务与数据安全等识别和管理工作。在人工智能技术加持下，数据管理自动化水平得到大幅提升，减少了大量重复劳动，不断提升数据的准确性。
4、从单一的数据质量管理，向数据服务开放演进
传统的数据治理更强调数据质量管理，核心目的是提高数据质量，支撑决策水平提升。在数字化转型的大背景下，除了最基础的数据治理管理以外，更强调数据服务的建立和开放，要求服务更具开放性和灵活性，以适应需求场景的不确定性。在这种形势下，数据治理就被要求实现数据的可见、可管、可用、可运营，同时支撑数据管理部门从单一的成本中心向价值中心转型。
5、数据确权成为数据治理的核心和关键
数据治理的核心和关键任务就是梳理并确认数据的责任和权属。从数据运营的角度来说，数据由谁负责的问题是根本性问题，对于这个问题的回答，各方也是莫衷一是，有人指向IT部门，也有人说数据管理人人有责，但人人有责等于没人管。其实从数据治理的角度来说，数据的所有权应该是整个组织，但是需要有人来代替组织行驶管理权，同时数据的源头和生产部门应该负担起数据的维护任务。总之，数据的属主确认是一个严肃而又麻烦的问题，涉及到部门墙等管理问题。
