前文：
我们可以理解为企业生产过程中，一切皆数据。
数据治理是一个很宽泛的议题，整条数据流所有的点和细枝末节都可以说是数据治理的范畴中。从数据源开始，如果业务库的业务流程不规范，数据不准确；采集上报的数据没有按规范走；那么我最终拿到的报表数据即失真没有了价值；所以说数据治理，是自底向上的，会有很多个项目；本文提供一些个人见解及数据部门建设的一些数据模板。
数据治理
1.定义：
评估、指导和监督的数据决策体系；对存量数据治理和增量数据管控的一个过程；
2.目标：
解决数据生产、管理和使用过程中遇到的问题，完善已有的生产管理流程规范，保障数据安全和数据一致性，从而促进数据在组织内无障碍地进行共享。
3.场景案例：
3.1 公司级项目（业财项目）：流程/ERP数据
为了解决规范化公司内部财务流程/数据问题，通过打通对比业务库数据的订单和财务部门的账单数据，不断梳理反馈财务流程逻辑和降低两边数据偏差（中间可能出现一些比如汇率、退款、银行提供账单时间、流水单号等等一系列问题，通过多部门联手去沟通理解对齐），最后产出数据看板并定期监控账单偏差。
3.2 部门级项目（Sicas项目）：流量/采集数据
目前公司正在围绕Sicas模型开展营销推广，在数据监控上面主要都是通过业务方手工处理加工到Excel表中，极大的消耗业务方的资源耗费。在开发报表的过程中，通过utm参数解析出各层数据，但发现utm_campaign及其他参数格式各异，导致数据看板暂时没有价值。通过先产出该数据看报，然后不断排查数据源问题，让业务方规范该上报格式，从而达到数据治理。
其实可以看出只要是数据规范化都可以归为数据治理的范畴；
3.3 数据部门建设：数据建设规范
部门数据已经发展到一定程度，数据部门在前期已经有了不少在投产中的烟囱式报表了，存在数据资产问题(字典、口径、调度)等问题，需要通过梳理重构数仓，以整站数据口径为基准，对齐其他相关报表口径即可，所以提供了如下报表：
数据总线模板：
数据目录模板：
数据字典模板：
口径模板：
