数据治理是根据企业的数据管控政策，利用组织人员、流程和技术的相互协作，使企业能将数据作为资产进行管理。
数据治理是一种完善的体系，企业通过数据标准的制定、数据组织和数据管控流程的建立健全，对数据进行全面、统一、高效的管理。数据治理正是将流程、策略、标准和组织的有效组合，才能实现对企业的信息化建设进行全方面的监管。实现需要企业高层的授权和业务部门与IT部门的密切协作。
数据治理覆盖了企业内几乎所有的信息化建设相关工作，不仅包含各类核心业务系统，也包括数据存储、数据仓库、数据分析以及其他相关的系统，最终实现数据的全方位监管，实现数据全生命周期的梳理和管理，保证了数据的有效性、可访问性、高质量性、一致性、可审计和安全性。从技术支持范围来讲，数据治理涵盖了从前端事务处理系统、后端业务数据库到终端的数据分析，从源头到终端再回到源头，形成了一个闭环的负反馈系统；从业务范围来讲，数据治理就是要对数据的产生、处置、使用进行监管；从控制范围来讲，数据整理必须通过对人员、流程和系统的整体设计和调整，满足数据与业务的全面结合。数据治理工作主要有：数据标准定义、数据质量管控、数据安全管理、数据架构规划等内容，以及建立包括政策制度、组织架构、管理流程、技术支撑等方面在内的数据治理保障体系。
数据治理的目标：
• 完善的数据管控体系。通过对数据管控组织、流程、标准和技术支持的统一规划设计，实现数据管控过程的高效运行和持续优化，建立数据治理的长效机制。
• 统一的数据来源。通过对关键共享数据进行集中管理，确保关键共享数据的一致性，构建企业层面的统一数据视图。
• 标准化、规范化的数据。数据清理将实现现有数据的标准化，数据申请和数据审批等业务流程将控制新增数据的标准化，从而彻底改善数据不完整、冗余、错误等质量问题。
• 提高工作效率。数据的标准化将使企业内部的信息共享、业务融合更加流畅，业务对数据实时性、准确性的需求得到满足，从而带来工作效率的提高。
• 降低数据管理、维护、集成成本。共享数据分散在不同的业务系统中，想要保持数据的一致性，就必须付出大量管理维护成本，但这仍然无法根治数据质量问题。数据治理通过对这部分数据统一管理，而后将一致的、权威的数据通过接口自动分发给各个业务系统，大大节约维护成本，并且保证了数据的质量。
• 满足数据的合规性。数据治理将帮助组织更好地遵从内外部有关数据使用和管理的监管法规，如SOX法案(7)、Basel Ⅲ协议(8)等。
实施数据治理的企业普遍认为跨组织的协调是治理过程中最大的挑战，如何处理跨组织的数据不一致问题是数据治理项目规划和实施所需解决的关键问题。此外，数据治理的挑战主要集中在以下三个方面。
• 数据治理项目的规划：在规划阶段，企业往往在确定目标（治理哪些数据）和工具选型（购买哪些工具）上存在困难，因为难以界定数据治理的边界，导致投资规划困难。
• 组织和制度建设：企业不了解如何组织数据治理团队，如何激发业务部门参与的积极性，如何创建适当的规则和制度。
• 数据治理项目的执行：在执行过程中，如何有效地评估进度和保证数据治理的效果长期存在是企业普遍感受到的问题。同时，也有企业反映数据治理过程太过刻板不灵活。
数据治理涉及管理方法与技术工具的综合运用，完整的数据治理项目通常包括目标、组织、制度、工具、标准5个关键要素。
