通过阅读一本读透数据治理，应该说本书彻底讲透了数据治理，让我学到了数据治理的四大维度，即从道、法、术、器讲述数据治理的基础性、全局性、系统性、复杂性、持续性和耐性。正如作者提到的，数据治理工作要将其作为生态来做，形成自我驱动、自我进化、可持续发展和长效运营机制来开展，正如大家常说的党建永远在路上，数据治理也一样，数据治理永远在路上。同样，大家常说的数字化转型，其实数据治理就是企业数字化转型的必经之路，治理是数字化转型的基础和前提，同时也是一个系统工程。数据治理的对象是数据，或者严格来说是数据资产，目前数据资产已经被作为生产要素，未来企业数据就像原油，就像我们生活中的电，用于提升企业竞争力，甚至再造商业模式，但只有通过实施有效的数据治理策略，才能输出高质量的数据，释放数据价值，相当于原油转化为有品质的石油化工材料，电通过电网进到千家万户，驱动不同的应用设施，比如扫地机器人，空调，冰箱，洗衣机，智能音响等，否则数据就是企业无法推诿的包袱。后续有时间我会逐个展开四个维度内容来详细阐述，供大家参考，这本书应该说比DAMA数据管理知识体系指南内容讲述的更接地气，系统化、逻辑性强和更实用。
一、数据治理整体脉络
全书在阐述数据治理时，从数据治理的道、法、术、器四个维度全面深入的开展，具体见下图。
道：3个战略机制，即数据战略、组织机制和数据文化
法：8项关键举措，即理现状与定目标、能力成熟度评估、路线图规划、保障体系建设、技术体系建设、策略执行与监控、绩效考核、长效运营。
术：7种技术能力，即数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享
器：7件利器或治理工具，即数据模型管理工具、元数据管理工具、数据标准管理工具、主数据管理工具、数据质量管理工具、数据安全治理工具、数据集成与共享工具。
二、什么是数据治理？
不同的人有不同的定义，但一般情况下有三种定义方式，具体如下
管理者视角，认为数据治理是与企业的业务发展战略有关，是指导企业数字化转型的策略或基石。
业务员视角，认为数据治理要定义好数据，数据变为信息，形成完整的数据资产地图或资源目录，并做好数据质量管理，提升数据的利用率。
技术员视角，从事不同技术工种的人员认为的数据治理各不相同，有的认为数据治理应包括ETL、数据的处理转换融合、元数据管理用于血缘和影响分析；运维技术员认为数据治理重点是在数据源中治理，即业务系统中治理好，数据仓库是应用端；数据平台人员认为数据治理应该统一在数据湖中治理及管理，所有用数的需求都从湖中取。
笔者认为数据治理是企业数字化转型的基础、顶层策略、管理体系、技术体系，包括战略、组织、文化、方法、制度、流程、技术和工具等多个层面的内容。
数据治理究竟是治什么，是对数据资产的治理、同时是对数据资产的利益相关方的协调与规范。
数据变为资产，需要具备4个核心条件：数据是在企业交易或事项中产生的，数据由企业拥有或控制，数据能给企业带来经济利益，数据的成本或价值可衡量。
数据的利益相关方有数据生产者、数据拥有者或控制者，数据价值或经济受益者。
需要协调和规范利益相关方的工作包括数据标准化、确权、流程优化
三、数据治理的6大价值
1.降低业务运营成本：降低IT和业务运营成本，沟通成本。
2.提升业务处理效率：无需协调汇报，提高业务工作运营效率
3.改善数据质量：改善数据分析可信度、产品服务质量，甚至品牌声誉
4.控制数据风险：逐步建立起来的基于知识图谱的数据分析服务，使得企业拥有可靠的数据，能够抵御控制各类风险。
5.增强数据安全：数据的安全防护、敏感数据保护和合格使用，具体技术有加密、解密、脱敏脱密，安全传输、访问控制，分级授权等
6.赋能管理决策：有效提升数据分析和预测精度，改善决策水平，赋能业务发展和管理创新。
四、数据治理的3种现状
各行业的企业信息化总体发展趋势遵循诺兰模型，目前大部分企业都处在中期的数据集成阶段，具体如下，企业数据治理现状主要分以下3类。
1.企业有雄厚的经济实力，信息化起步早，业务对信息化和数据的依赖程度较高，有相对完善的数据治理体系，需要加强数据应用，加快数据驱动创新，提升数据治理和变现能力。
2.企业有一定的经济实力，信息系统较多，单条业务线上的信息化应用程度较高，信息孤岛严重，数据不能互联互通，数据价值无法发挥，需要加强企业级的资源整合治理。
3.企业经济示例相对薄弱，信息化刚刚起步，有财务系统、OA、ERP，数据存放在部门或个人电脑中，数据共享程度较低。打好数据基础，改革创新，弯道超车的机会把握。
五、数据治理的5类问题（数据是作为资产，还是作为企业的包袱，需要管得好，用的好）
1.黑箱数据：闲置，沉没、睡眠数据，无人知晓
2.数据孤岛：数据缺少关联性，无法共通
3.数据巴别塔：没有共同认可的对话标准，数据定义不清、口径不同、缺少规范
4.糟糕的数据质量：类比数据就像原油，到不同型号的成品油，需要一系列的淬炼，提纯过程，行大运数据的采集、存储、处理和清洗等加工过程，得到可信高质量可利用的数据资产。
5.数据的安全风险：数据应用和数据安全是一对平衡矛盾，在数据的全生命周期过程中，要做好规范制度、实验权限等建设。
六、数据治理的6大挑战
1.对数据治理的业务价值认识不足，数据治理要从管理层、业务部门的应用需求和数据痛点出发来开展。
2.缺少企业级数据治理的顶层设计：战略层面策略，全局性，体系化
3.高层领导对数据治理不够重视：数据治理的合适是为业务增加价值，要得到业务关键负责人的支持。
4.数据标准不统一，整合困难：内外部不统一，导致集成和融合困难
5.业务人员普遍认为数据治理是IT部门的事情：实际上对数据的定义、业务规则、数据输入及控制、数据的使用都是业务职责，相当于在正确的时间、地点获得正确的数据，以达到服务客户、做出决策和制定计划的目的；IT人员是在正确的时间、地点将正确的数据送达业务人员，是数据的可靠供应者。
6.缺少数据治理组织和专业人才：没有最好的组织和人才，只有根据企业的组织、管理、业务、技术现状，形成适合企业自身的组织模式。
七、数据治理的国内外框架标准有哪些？
以下是目前国际国内比较流行的数据治理框架或规范，对数据治理提高方法和实践指导，但企业在开展自身的数据治理工作过程中，还需要结合业务实际，建立自身业务发展要求的数据治理实践。具体如下：
国际
1.ISO数据治理标准
2.GDI数据治理框架
3.DAMA数据管理框架
国内
1.GB/T 34960数据治理架构
2.数据管理能力成熟度模型
八、数据治理过程中的一些专业名词对比解释
数据元：包括对象、特性和表示，是最小颗粒度的数据，是数据标准定义的基础，相当于关系数据库中的数据项。
元数据：是描述数据的数据或者关于数据的结构化数据，详见我的另一篇文章
主数据：是企业跨部门，跨业务，跨系统、跨技术的共享数据，是大数据分析和信息系统建设的基础，是数字化转型的基石，详见我的另一篇文章
业务数据：是企业业务过程或系统自动产生的既定事实数据或交易数据，也包括一些IOT设备产生的数据。具有时效性强，数据量大特点。
主题数据：是根据数据分析需要，按照业务主题领域对数据做的一致组织管理方式，一般是汇总的、不可更新、只读数据。
数据仓库：是一个面向主题、集成的、相对稳定的，反映历史变化的数据集合，是企业数据汇聚de集成，用于多维分析和数据挖掘，支持管理决策应用。
数据湖：是以原始格式存储数据的存储库或系统，提供了不同数据结构的统一存储，并为机器学习提供全局数据，但需要做大量的数据清洗处理。融合了数据采集、处理、存储、机器学习和数据挖掘等技术和工具的解决方案。
数据治理、数据管理和数据管控之间的关系：数据治理是企业顶层设计、战略规划，是总纲和指导，是策略；数据管理是执行和落实治理策略并在过程中给予反馈，强调管理流程和制度；数据管控侧重于执行层面，是具体落地的措施和执行手段，三者关系见下图，三者相辅相成。
九、数据治理的9个要素
数据战略、组织机制、数据文化、管理流程、管理制度、数据、人才、技术和工具。
十、数据治理的实践案例
结合2个集团企业数据治理实践案例，提出了数据治理的6项准备工作和6个常见误区。
(一) 两个案例
一个案例是某集团公司的主数据管理实践，形成了业务数字化、集成化，业务管理规范化和精细化，管理决策科学化。
一个案例是某汽车公司的数据资产管理实践，围绕数据标准，元数据和数据质量开展，形成了全方位监管的数据资产管理体系；形成数据资产管理平台，为业务指标追踪和管理决策提供支撑；建立了数据标准及标准管理体系，明确责任主体；建立了质量规则定义、检验、问题分析和整改，提供全链路的数据质量监控，提升数据资产的管控水平。
(二)数据治理的6项准备
1.管理层对数据治理价值的理解
2.合理评估企业数据管理的现状
3.选定数据治理“领头羊”
4.业务与IT的深度融合
5.数据治理工具的选型
6.数据治理咨询与实施专家
(三)数据治理的6个误区
1.技术部门主导的盲目夸大治理
2.业务部门牵头的局部治理
3.重项目建设，轻持续运营
4.唯工具论
5.重结果，轻过程
6.数据多源，适配困难
(四) 数据治理的5大技术展望
1.大数据背景下，主数据管理没有死
2.大数据背景下，企业数据治理需要从采、存、管、看、找、用开展
3.微服务架构下，企业数据如何治理，治理什么，在哪里治理和怎么治理都要解决。
4.区块链技术能够助力企业数据资产管理。确权、保护资产安全、提高数据质量、加速数据资产共享。
5.人工智能，为企业数据治理插上翅膀。
总结，数据治理作为企业数字化转型的必经之路，是数字化转型的引擎和重要基石，数据治理推动我们培养形成数据文化，即我们要时刻采用数据说话，用数据管理，用数据决策，用数据创新。
未来数据治理将是企业的常态工作，持续性工作和重点业务工作，数据治理是企业业务的组织部分，而不是技术支撑部分。