企业在信息化阶段完成了数据资源的原始积累，但是并没有考虑到后期的数据应用需求，因此，在数字化转型之前，企业存量的数据本身是不太可用的。
对“信息化”活动来说，数据的基本作用是支撑业务流，也就是所谓的业务数据化。
而对“数字化”活动来说，数据的作用是改变业务流，和前者相比，对于数据的内容标准以及质量要求是完全不一样的。
因此，这些原始的数据就像自然界中的天然矿石，必须经过开采、加工，才能成为有价值的数据资源。
而数据治理，实际上就是在做上述“数据价值化”的工作。因此，对于大多数企业来说，数字化转型最重要的工作几乎都是围绕数据治理展开的。
换句话说，通过数据治理工作，企业就可以把“业务数据化”的数据转变为“数据业务化”的数据。
那么，数据治理都涉及哪些工作呢？
首先，根据DAMA官方的定义，数据治理（Data Governance，DG）是指对数据资产管理行使权力和控制的活动集合（计划、监督和执行）。
一般认为，数据治理包括：组织与制度、数据标准、元数据管理、主数据管理、数据质量管理、数据集成、数据生命周期管理、数据安全、数据服务等方面的工作内容。
组织与制度：本质上回答了数据的“权责”问题，即谁来进行数据治理，以及谁拥有相应的数据使用权利。其中，数据治理中的责任是复杂的，具体包括定义数据质量标准、发现数据问题、以及整改数据缺陷、核查数据问题等不同维度的责任。
数据标准：数据治理的目标。企业需要先对数字化发展路径进行规划，知道数据在未来如何支撑企业的业务发展和战略实现，才能制定合理的数据标准。须知，在数字化的逻辑中，数据标准是面向未来的。
元数据管理：元数据是关于数据的数据，为数据资源提供了关于业务以及系统的上下文解释。对元数据进行治理，有利于“修复”或“完善”企业的数据架构，从而为数字化转型做好“底图”绘制的铺垫。
主数据管理：主数据是关于企业核心业务对象的基本信息，是连接企业所有类型数据资源的枢纽，做好主数据管理，企业的数据质量提升效果最为显著。
数据质量管理：让数据资源的质量满足业务可用性。数据质量并不是越高越好，而是要够用即可，数据质量管理是数据治理的主体性任务。
数据集成：数字化是企业级的工作，而信息化往往是部门级的。因此，数字化活动要求解决数据的跨组织、跨专业问题。
通过对不同业务条线的数据进行集成，实现数据资源的贯通，缩短业务活动的信息链路，提高决策效率和业务响应敏捷度。同时，数据集成可以提高数据维度，根据n方原则，数据创新潜力也将得到“指数级”提升。
数据周期管理：包括数据的收集、存储、处理、分析和共享，数据周期管理有利于解决数据溯源的需求痛点，解释了数据从哪儿来，到哪儿去，对数据质量管理和元数据管理，都有非常重要的辅助意义。
数据安全：数据经治理加工后，会产生额外的信息价值，也会形成全新的业务洞察。因此在数字化的视角中，数据安全的作用不仅是要满足业务合规以及监管要求，同时也起到保护商业活动的目的。
数据服务：数据服务是数据资产的最基本表现形式，通过提供数据资产视图，有利于对数据进行精细化运营，同时帮助发现不良资产。
数易达科技，长期关注数据价值开发和应用场景构建的前沿AI技术，希望通过大数据工具和平台帮助企业快速建立成熟的数据资产管理体系（了解更多）。
往期精彩推荐
为什么很多行业巨头，至今不愿做数字化 ...
为什么这两年，“大数据”谈得越来越少了 ...
数字化下半场，建“中台”还重要吗？
数字化转型中的重要管理思想！
数字化转型，为什么一定要谈“架构”？
后数字化时代，数据部门的窘境渐显！
30条金句，说透数字化转型真相！
数字化咨询，正在走向“廉价化” ...
数字化，“抓住”这几点就够了 ...
如何理性看待，中小企业数字化转型！
搞懂“数据要素”，需要了解这些事儿 ...
大型传统企业数字化转型难点与策略洞悉！
从“数据科学”视角，看懂数字化转型
公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看或把本号置顶！提供数字化咨询和技术工具，有意立即添加留言！点击这里 查看服务
（Bill Liu | 数字化落地）
