《关于数据治理的读书笔记 - 数据治理、数据管理和数据管控的理解》我们了解了有关数据治理、数据管理和数据管控，这几个名词之间的区别和联系，回到数据治理的话题上，数据治理究竟是什么？

站在不同的角度，对数据治理的理解可能是不同的。

如果从管理者的角度，数据治理是企业发展战略的组成部分，是指导企业进行数字化转型的基石，他是一种策略。

如果是从业务人员的角度，可能很多人认为数据治理是IT部门的职责，业务部门只是配合一下，而且他们可能都不知道企业有什么数据？数据是怎么定义？数据有什么作用？业务人员怎么才能方便地使用？业务人员的痛点，引出了数据治理的三大要害，

(1) 要定义数据，让抽象的数据变成可读、可理解的信息。

(2) 要有一个完整的数据地图或数据资源目录，盘活企业的数据资产，方便用户随时找到想要的数据。

(3) 要做好数据质量管理，提升数据质量并提升数据的使用率。

如果从技术人员的角度，数据治理包含三个部分，

(1) ETL，数据的抽取、转换、加载，保障数据仓库内有数据可用。

(2) 对数据的处理、转换和融合，保障数据仓库内的数据准确、可用。

(3) 元数据管理，保障数据仓库内的数据可进行血统溯源和影响分析。

数据治理需要对业务系统进行治理，提高源头的数据质量，同时还需要将数据湖中的数据治理好，简化数据的操作，提高数据访问的范围，降低数据访问的成本。

因此，站在不同的角度，需求不同、痛点不同，对数据治理的理解就可能不同，没有孰对孰错，其实从侧面，证明了数据治理对企业中不同角色不同岗位起着不同的作用、有着不同角度的需求。

无论何种理解，数据治理都是围绕着“数据”展开的，数据治理的目标是提升数据利用率和数据价值，通过有效的数据自愿管控手段，实现数据的看得见、找得到、管得住、用得好，提升数据质量和数据价值。

数据治理是企业实现数字化转型的基础，是企业的一个顶层策略，是管理体系，是技术体系，涵盖战略、组织、文化、方法、制度、流程、技术和工具等多个层面的内容。

数据治理是什么数据都治理？肯定不是，数据治理的对象必须是重要的数据资源，是关乎企业商业利益的数据资源，或者将这种数据资源称为“数据资产”。因此，准确来讲，数据治理是对“数据资产”的治理，是对数据资产所有利益相关方的协调和规范。可以提出和这句话相关的三个问题。

1. 什么是数据资产？

并非所有数据都是数据资产，数据资产是指企业过去的交易或者事项形成的，由企业拥有或者控制的，预期会给企业带来经济利益的数据资源，并且其价值和成本是可计量的。数据要成为数据资产，至少要满足4个核心条件，

(1) 数据资产是企业的交易或者事项形成的，例如电商平台、社交网站每天产生的数据。

(2) 由企业拥有或者控制，这就牵扯到数据的归属权、控制权、使用权的问题，有时候是比较模糊的。

(3) 预期会给企业带来经济利益，这个很好理解，数据有用，会产生价值，会带来经济利益，才需要更好地管理和使用。

(4) 成本或价值可衡量，数据的采集、管理、使用，都是要成本的，同时数据产生的价值和经济性，也是需要评估的，目的都是为了能最大限度地提高数据的应用价值。

2. 数据资产的利益相关方

包括以下几类，

(1) 数据的生产者，即通过业务交易或事项产生数据的人或组织。

(2) 数据的拥有者或控制者，生产数据的人不一定拥有数据。

(3) 数据价值和经济利益的受益者。

数据治理就是对数据生产者、拥有者或控制者、数据价值受益者进行规范和协调，让数据能够规范化、高质量输出。

3. 对利益相关方的协调和规范

(1) 数据的标准化，定义统一的数据标准，让数据资产的利益相关方用同一种“语言”沟通，包括几个层面，数据模型标准化，主数据和参考数据的标准化，指标体系的标准化。日常工作中，经常碰到上级单位要统计数据的需求，他说的“数据标准”和我们的理解就可能存在偏差，究其原因，还是没使用相同的数据标准沟通。如果连数据标准都不统一，更谈不上治理数据的可能了。

(2) 数据的确权，数据一旦成为了资产，就一定有拥有方或者实际控制方，统称为产权人，数据的产权可能会比较复杂，例如我们上网产生的数据，是归我们，还是互联网厂商？互联网的场景很复杂，如果是企业内的数据，其实可能存在相同的问题，某类用户的数据，几个部门都拥，是归这个部门，还是那个部门？这就要结合实际的业务场景，以及数据的各种要素，综合考量，才可能得到合适的方案。

(3) 流程的优化，通过业务流程优化，规范数据从产生、处理、使用到销毁的整个生命周期，以使数据在各阶段、各流程环节中安全可控、合规地使用。

让数据成为资产就是要让数据为企业创造价值，而做好数据治理才能更加方便、放心地使用数据，这是一个基本前提。

但通过上面描述的信息，可以说数据治理是个非常复杂的系统工程，

管理上，数据治理是企业战略层面的策略，而不是战术层面的方法。

业务上，通过数据治理要让数据能够管得住、看得见、找得到、用得好。

技术上，涉及数据建模、数据集成、数据交换、数据清洗、数据处理、数据质量管理的方方面面。

因此，要做好数据治理，不是一朝一夕就可以实现的，要通盘考虑，说起来容易，做起来难，但是肯定有意义，任重而道远，持续学习了。