企业数据治理、数据资产管理已然是企业数字化转型的重点内容之一，数据治理的目的实质上就是完成数据从资源向资产的升级，并且针对这一流程进行固化及持续运转。
那么企业如何进行数据治理/数据管理呢？实际上DAMA给出了很标准的答案，即车轮图：
那么作为企业落地实施时，如何借鉴、推进呢？我还是以企业真实落地案例为例进行说明：
1，实际上该企业在落地时充分借鉴融合了DAMA，并且结合实际情况进行了自主化改造，形成了两个循环，及数据安全管理大循环和数据生命周期管理小循环。
2，数据治理及数据管理的边界比较明确，从生产数据的产生到数据的消亡，涉及全域、全流程，并且以统一的标准体系和质量原则进行运转。
3，数据管理设计流程，在数据标准定义及发布、数据质量规则及跟踪等方面均有BPM流程引导数据流程化作业。
4，通过元数据采集适配器，全范围采集数据元信息，并且进行建模管理和维护，并且基于元数据的应用在实际业务运作中起到关键作用。
5，数据治理的目的在于应用，只有通过应用才能数据资产化的升级，基于元数据、数据标准和质量规则，对数据进行全局梳理，根据编码规则、标准分类、数据分级等完成数据目录、数据地图的绘制，完成资产化的第一步。
6，基于核心业务领域和业务架构，开展主数据建设，作为核心数据资产。
7，基于资产化的数据开展数据应用，包括数据网关、API服务、风险管控、效能提升以及数据量化缝隙等。
8，数据管理的对象是湖仓中的全量数据（包含结构化、半结构化以及非结构化数据等），但是产生的规则、应用以及标准对数字化全流程的产生作用。
数据治理/数据资产管理的几个关键单元以业务需求为引领，目标结果为导向，在完成数据资产化升级演进的同时，为数据资本化、智能化夯实基础。好的方案落地需要好的产品支持，可以自主研发、开源使用以及商业产品。从投入产出比的角度出发，并且充分考虑数字化转型的时间管理，建议采购商业产品，实现快速投入使用，把更多的时间更高效的用在应用上，夯实数字化成果。
附：
以作者实际实施经验及POC测试来看，推荐如下两款软件：
https://www.esensoft.com/data-governance.html
https://www.datacanvas.com/
纯属免费推广，未收厂家一毛钱，连瓶水都没有。
更多关注：
