破解企业数据治理困境的六句箴言
安全教育知识内容数据治理就是以服务组织战略目标为基本原则，通过组织成员的协同努力，流程制度的制定，以及数据资产的梳理、采集、清洗、结构化存储、可视化管理和多维度分析，实现数据资产价值获取、业务模式创新和经营风险控制的过程。
数据治理是长期、复杂的工程，每个数据治理的领域都可作为一个独立方向进行研究，数据治理领域包括但不限于以下内容：数据标准、数据架构、元数据、主数据、数据分布与存储、数据交换、数据生命周期管理、数据资产、数据质量、数据安全等，同时各领域之间又需要有机结合，如数据标准、元数据、主数据、数据质量、数据生命周期等几个领域需要相互协同和依赖。
一、企业数据管理遇到的挑战
1、数据标准不统一，数据质量参差不齐
企业越来越重视管理数据资产，但其实并不是所有数据都是数据资产，数据中也有垃圾数据。由于企业各个业务系统或模块都是按照各自的需要录入数据，业务系统不需要的信息就
黄莺亮翅
不录，没有统一的数据录入标准、工具和出口，造成同样的数据在不同的系统有不同的属性信息，数据完整性、一致性、准确性无法得到保障。
2、信息系统孤岛严重，数据共享流通受阻
大多数企业的信息化建设初期缺乏整体规划，大多都是以业务部门驱动的单体架构系统或套装软件，数据分散在这些架构不统一、开发语言不一致、数据库多样化的系统中，导致在企业内部形成了一个个的“信息孤岛”。这些“孤岛”之间缺乏有效的连接通道，数据不能互联互通，不能按照用户的指令进行有意义的交流，于是数据的价值不能充分发挥。
3、缺乏有效管理机制，数据使用责权不明
许多企业尝试通过生产系统的业务流来控制数据流，但由于缺乏有效的管理机制和某些人为的因素，比如平台间数据标准不一，缺少全局规范文档，信息无法对接应用等，在数据流转过程中，导致了大量的垃圾数据。以外，数据责权不明确，管理职责混乱，管理和使用流程不清晰，也是造成数据质量问题的重要因素。
绿瓜
4、安全管理体系不完善，存在数据应用隐患
有内涵的霸气的小组名
近年来，随着大数据的发展，诸如此类的数据安全事件多不胜数。数据资产管理上，正在由传统分散式的人工管理向计算机集中化管理方向发展，数据的安全问题愈来愈受到人们的关注。
综上所述，看似表面的数据问题其实会对业务带来严重的影响。数据不真实、不准确、不透明、不共享都将增加企业经营风险、管理难度和复杂度。最终导致跨组织信息共享程度低、资源难于整合。如何更好地管理和控制数据，做好数据标准化和服务体系建设，成为当前各企业迫在眉睫的任务，而数据治理是关键。
二、数据治理框架分析比较
在数据治理框架的研究领域，有很多组织做出持续重要的贡献。它们的主要工作是对原则、范围、促成因素等数据治理要素进行分析、总结和提炼，并在此基础上建立起自成体系的数据治理框架。
1、国际标准化组织（lSO）
ISO38500提出了IT治理框架（包括目标、原则和模型），并认为该框架同样适用于数据治
理领域。在目标方面，ISO38500认为IT治理的目标就是促进组织高效、合理地利用IT；在原则方面，ISO38500定义了IT治理的六个基本原则：职责、策略、采购、绩效、符合和人员行为，这些原则阐述了指导决策的推荐行为，每个原则描述了应该采取的措施，但并未说明如何、何时及由谁来实施这些原则；在模型方面，ISO38500认为组织的领导者应重点关注三项核心任务：一是评估现在和将来的IT利用情况，二是对治理准备和实施的方针和计划做出指导，三是建立“评估→指导→监督”的循环模型。
2、国际数据管理协会（DAMA）
国际数据管理协会（DAMAInternational）首先总结了数据管理的十大功能，主要包括数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理，并把数据治理放在核心位置。突然流鼻血是什么情况
3、国际数据治理研究所（DGI）
国际数据治理研究所（DataGovernance Institute，DGI）认为数据治理不同于IT治理，应建立独立的数据治理理论体系。DGI从组织、规则、流程三个层面，总结了数据治理的十大关键要素，创新地提出了DGI数据治理框架。
4、IBM数据治理框架
IBM数据治理委员会结合数据的特性，针对性地提出了数据治理的成熟度模型。在要素模
型中，有三个促成因素会影响业务目标实现，即组织结构和认知度、政策和数据相关责任者；在促成因素之外，必须重点关注数据治理的核心要素和支撑要素，具体包括数据质量管理、信息生命周期管理、信息安全和隐私、数据架构、分类和元数据，以及审计、日志和报告。
糕点5、国际信息系统审计和控制协会（ISACA）
国际信息系统审计和控制协会（ISACA）的COBIT5是面向过程的信息系统审计和评价标准，是国际公认的权威信息技术管理和控制框架。COBIT5提出了数据治理的五项基本原
则：满足利益相关者需求、端到端覆盖企业、采用单一集成框架、启用一种综合的方法、区分治理与管理。
6、高德纳公司（Gartner）
高德纳公司（Gartner）提出了一个数据管理参考架构，描述了数据管理的所有构成要素及要素间的层级关系，数据治理和信息管理仅是该架构的组成部分。
同时，Gartner还建立了一个数据治理与信息管理的要素模型来描述支撑数据治理方案的基本要素，该模型包含四个部分：规范、规划、构建和运行，它适用于实施数据治理计划的任何组织。
7、DCMM
DCMM（Data Management Capability Maturity Asssment Model，数据管理能力成熟度评估模型）是我国首个数据管理领域国家标准，将组织内部数据能力划分为八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。
DCMM国家标准结合数据生命周期管理各个阶段的特征，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出组织数据管理的八大过程域，并对每项能力域进行了二级过程项（28个过程项）和发展等级的划分（5个等级）以及相关功能介绍和评定指标（441项指标）的制定。
虽然众多的国内外研究机构在数据治理领域进行了广泛研究和探索，也贡献了大量卓有成效的研究成果，但成果之间却存在一定的差异，甚至有些矛盾。因此，将现有成果进行研究整合，形成企业相对统一的原则、促成因素、关键域和框架，是当前企业数据治理需要考虑和深思的问题。
