随着数字化转型的日渐深入，数据资产管理是数字化转型下的新要求，而数据治理是数据资产管理的基础，这里数据治理是指建立数据治理体系，而非单纯的数据治理工具。只有建立数据治理体系才能完成形成数据资产。
数据治理是一种组织管理和控制数据资源的框架和方法。它涵盖了制定和实施数据管理策略、规程和流程，以确保数据的质量、可用性、安全性和合规性。数据治理旨在实现对数据的全面管理，包括数据收集、存储、处理、共享和使用的方方面面。通过数据治理，组织可以确保数据的一致性、准确性和完整性，以支持业务决策、数据分析和运营需求。同时，数据治理也有助于管理数据风险，保护个人隐私和遵守相关法规和合规要求。
数据治理解决什么问题？
1）数据的可用性，是指通过数据治理行为，提升数据质量，将不可用的数据变成为可用数据，因此不是所有的数据都需要经过数据治理，是需要被使用，有价值的数据，价值密度高的数据进入到数据治理环节中，根据数据价值密度高低决定了数据治理任务的优先级。
2）数据的安全性，对于数据实现数据的资产化，一方面需要提升价值，另一方面需要保障在采集、传输、存储、使用、销毁、等全生命周期过程中的数据安全。
那么数据治理体系的框架如下图所示：
首先，建立数据治理的保障机制。这包括建立专业化的数据治理组织和职责明确的制度流程，以实现高效的数据治理，并减少对业务的约束。安全合规的数据流转是核心目标。
其次，明确开展数据治理所需的活动。这包括定义数据标准和主数据，管理数据模型，规范数据开发，优化数据生命周期，提升数据质量，以及确保数据安全。
再次，利用数据治理产品工具实现数据治理目标。通过数据治理工具，从源头开始抓取数据，全面提升数据质量，为企业经营管理提供全面有效的信息支持，并实现信息资源的最大效益。数据治理产品工具既要考虑与相关管理部门的沟通，也要考虑与数据建设和使用相结合，即数据开发和数据流通环节的数据治理内容。
最后，通过数据治理成熟度评估体系，为企业提供全面有效的评价信息。这有助于掌握整体能力，确定改进方向，并迭代优化数据治理工作。评估体系应该避免一刀切的方法，需要根据自身的数据治理目标进行合理评估，找到实际差距，并寻求符合切身利益的最佳治理方法。数据治理成熟度评估体系可以参考CMM的成熟度评估。
数据治理的工作是一个长期且系统性的过程。找到适合企业自身的数据治理路径并不容易，因此需要通过以终为始的方式来平衡成本和收益，并设计出数据治理的发展路线。这一点至关重要，因为它决定了数据治理是否能够发挥作用。 在整个数据治理工作中，可以采用以下通用的实施规划线路：
1、根据企业战略、同行参考以及行业趋势，制定目标蓝图和梳理数据治理现状。然后将现状与目标蓝图进行对比，分析差距。
2、 根据现状与目标蓝图的差距，将可独立执行的各项工作任务和其依赖关系拆分到每个数据治理子域内，同时明确子域边界和交互内容。
3、分析每个任务组的实施紧迫度和复杂度，明确数据治理体系建设任务的实施优先级。
4、根据确认的实施优先级和依赖程度，评估各任务的实施成本和周期，并制定未来几年的实施路线。
通过以上步骤，企业可以制定并实施符合自身情况的数据治理计划，以实现目标蓝图，提高数据治理水平，并逐步推进数据治理的发展。
