一、企业中的数据类型
根据企业的特点，数据划分为以下三种类型：主数据、交易数据、指标（分析型）数据。
主数据：描述集团核心业务对象的数据，具有一致且统一的标识符和扩展属性，在集团内会被重复使用，且存在于多个应用系统中如会计科目主数据的科目名称、组织主数据的组织名称等。主数据可以细化为：配置型主数据、核心主数据、条件型主数据。
交易数据：记录企业日常经营过程中发生各种事件、交易的数据，相对于主数据变化较大。订单如会计凭证的凭订单的销售价格等。
指标数据：用于统计、分析的数据，一般通过交易数据计算、整合而成，并在管理报表中存在，是领导层/管理层进行管理决策的依据。如销售收入增长率、投资回报率等。
二、数据治理的意义
随着信息技术的飞速发展，各种计算设备和信息系统已逐步应用到企业各个业务领域，企业业务数字化程度不断提高，企业员工，无论是管理人员，还是设计人员，数字化手段都为他们的工作带来了更大的便利和更高的效率，与此同时，企业对各类信息的需求也达到了前所未有的程度。通过利用数据资产，可以更加敏锐地感知周边的变化，更加精准的优化产品设计，提高产品研制水平和管理能力。然而，面对每天都会产生和更新的大量数据，如何为企业提供符合各业务部门需求的高质量信息，确保数据的准确和及时，是企业开展协同研制和决策分析等业务的基本要求。数据治理通过明确信息的创建者和消费者以及他们的职责和权限，规范各类数据创建、存储、更改、使用、销毁的全生命过程，避免出现错误、不完善的问题数据，及时准确地将数据提供给需要它们的人员。通过企业的数据管控政策，业务、IT等相关组织人员相互协作，利用流程和数据技术，共同生产出高质量的数据资产。
三、对数据治理的几点思考
思考一：数据治理是企业数据价值得以全面实现的必经之路
随着信息技术快速发展和深入应用，企业数据呈现出海量增长、动态变化的特征日趋显著。大数据的核心价值体现不在于数据的数量大，而在于数据的质量高，因此数据治理正是大数据价值得以实现的必经之路。借助大数据、数据中台、数据湖等先进技术，搭建企业数据资产管理体系，推动企业数据资产管理规范和创新，实现企业数据价值挖掘及数据资产变现升值。数据集中管控成为大势所趋，把数据做成服务产品，为企业内部各个层级用户提供数据服务，同时也对外提供数据服务，实现卓越运营。
思考二：以主数据驱动的数据治理是企业开展数据治理的最佳切入点
主数据作为业务运行和决策分析的数据标准，用来描述企业核心业务实体，是整个企业范围内的应用系统中最基本的单元，也是重复使用的高价值数据，经常存在于多个异构或同构系统中。主数据的建设和治理，可以保证业务数据的一致性、完整性、相关性及精确性，可以帮助企业从分散的信息系统中整合最核心、最需要共享的数据，集中进行数据清洗和完善，将准确、统一、完整且具有权威性的主数据分发给各系统或应用。主数据形成的数据标准，规范了对各系统的共性数据管理，避免出现概念不一、来源分散、信息孤立，保证了系统之间的数据共享和互动，从而提高企业运营效益，提升数据质量，发挥数据资产价值，更好地为企业数字化转型奠定基础。
思考三：数据治理的建设体系框架主要包括，制订数据标准、规范编码内容、建设管理平台、建立组织与管理流程、数据发布共享五部分。其中制订标准是基础，规范内容是过程，建设平台是手段，建立体系是保障，价值提升是目的。
首先需要针对企业进行现状调研和需求分析，标杆企业对标分析，规划数据治理体系，主要活动包括：
1、制定标准：确定数据范围，以业务部门为主导制订数据标准。数据标准内容包括确定分类规范、编码结构、数据粒度、属性描述等。
2、建代码库：编制符合数据标准和规范的数据代码库。按照数据标准进行数据排重、数据清洗、数据编码、数据加载、数据监控策略等。
3、搭建平台：建设数据治理平台，为数据的管理提供技术支持，实现数据应用管理、数据质量管理、数据安全管理、元数据和主数据管理、数据集成管理等。
4、运营体系：建立数据管理组织和管理流程，包括建立标准管理和数据管理的运维组织架构及考核流程；建立并完善管理流程、实现知识转移等 。
5、代码转换：实现数据标准在目标系统的落地应用。针对已有系统，需要是一个艰难的转化过程，有直接贯标、映射贯标两种方式。
思考四：主数据质量提升是数据治理价值的有效体现
主数据是企业数字化转型的奠基石，要实现大数据所带来的数据资产价值，就必须先做好主数据的建设和治理，尤其是主数据质量的提升。主数据的质量管理，主要涵盖定义、评估、分析和实施4 项工作。
1、定义：需要对业务需求、方法及数据质量检查规则等进行定义，并设计评估方案。
2、评估：按照唯一性、完整性、规范性、一致性、准确性和关联性等维度，对数据质量进行检查测评，并评估瑕疵数据对企业业务经营或技术实现所产生的影响程度。
3、分析：分析影响数据质量的根本原因，例如技术落后、信息冗余、流程不标准和管理不严等，并区分这些原因对数据质量的影响级别，最终确定实施建议，为数据质量的管理制订改善方案。
4、实施：一是改进数据质量问题，建立、维护主数据的质量管理方案；二是通过改进组织的管理流程，最大限度地杜绝由管理缺陷所造成的数据质量问题；三是对主数据本身和管理实施行为进行跟踪监控，最大限度地维护治理成果。
三、总结
数据是企业战略转型和发展的重要战略资源。数据治理是服务于这一目标的一项任重道远的基础性工作；从长远角度来看，数据治理可以提升行业领导力。数据治理主要价值点：统一业务信息定义，消除理解歧义；打通部门、系统壁垒，实现信息集成与共享；提升系统开发及实施的效率；实现资源共享，支撑战略协同。
