数据治理是做什么的
随着信息技术的快速发展，企业逐渐意识到数据的重要性，越来越多的企业开始投入大量资源建设数据仓库，希望能够更好地挖掘数据价值。但在实际应用中，由于缺乏系统的数据治理，大量企业的数据仍处于“散乱”状态，甚至存在大量重复建设、数据标准不统一等问题，难以发挥出数据价值。而如何有效地进行数据治理，也成为了困扰很多企业的难题。
数据治理的定义
数据治理是一个不断循环和持续改进的过程，是为实现组织的战略目标和可持续发展而开展的一系列活动，包括识别、定义、构建和执行数据治理战略和规划，并确保实施。
数据治理是组织中所有人对数据资产的管理。它的目标是：
- 通过定义、获取、保护和管理数据，确保其符合相关法律法规；
- 通过实施数据标准以确保数据质量；
- 通过管理数据生命周期过程（从数据采集、处理到使用），实现有效的数据使用；
- 通过提供访问权限和保障安全来控制访问。
数据治理目标
- 通过开展数据治理，建立并完善数据标准体系，实现数据的集中管理、统一规范和有效利用。
- 通过建立数据质量管理体系，完善数据质量的监控、检查和改进机制，提高数据的准确性、完整性和及时性。
- 通过建立并完善企业业务对象的数据模型，为企业提供准确、实时的业务对象信息。
- 通过建立并完善企业内部组织架构，为业务流程和企业决策提供真实、可靠、准确的信息支持。
- 通过建立并完善企业人力资源管理体系，为员工提供准确的岗位信息。
数据治理的组织机构
在数据治理组织机构上，一般需要有一套明确的工作流程、职责分工，建立起完善的数据治理工作机制，从而保障数据治理的顺利开展。
从总体上讲，数据治理包括组织管理，系统构建，流程构建等方面。其中，组织管理主要涉及到管理机构、管理制度、管理流程等内容。制度建设主要涉及到数据标准规范建设和业务制度规范建设两个方面。
数据治理流程
数据治理是一个持续的过程，需要对现有数据进行梳理、对业务流程进行再造、对数据标准进行统一。数据治理涉及到的环节有：项目规划、数据标准、元数据管理、质量管理、安全管理、数据目录。
数据治理method和工具
数据治理是一项复杂的系统工程，需要全公司的支持，也需要企业的管理制度和工作流程。对于数据治理而言，其内容主要包括数据标准、数据质量、数据安全、元数据管理、主数据管理等。这些内容都需要通过建立一套完整的实施方法论来实现。
在进行数据治理时，一般需要遵循 PDCA模型，即计划（Plan）、执行（Do）、检查（Check）和处理（Act），具体可以按照 PDCA模型来执行。
悦数图数据库可以方便地将多个种类、规格的数据连接起来，可以快速地将大量的数据输入进来，并且可以在短时间内完成对数据的低延迟处理，从而帮助企业突破数据孤岛，对数据资产进行有效的、统一的管理。图书馆的能力轻松打通不同类型和标准的多种数据，快速导入大规模数据并进行低时延的实时计算，帮助企业打破数据孤岛实现数据资产统一的管理。
