一、数据治理定义：

是指通过建立组织架构，明确公司从顶自下各部门职责要求，制定和实施系统化的制度、流程和平台，确保数据统一管理、高效运行，并在经营管理中充分发挥价值的动态过程。

二、数据治理的最终目标：

加强数据管控、扩大数据标准化范围，提高数据质量，为数据价值转换奠定基础，为经营管理和决策提供高质量数据。

三、数据治理细分目标：

1、制度体系方面，根据金融行业数据治理的整体规划和监管要求，结合金融机构数据治理现状并参考同业领先实践，利用机制和平台来约束执行，对数据治理组织架构、权责分工、治理体系等进行完善和优化。

2、数据标准方面，提升数据质量、建立全公司级数据标准体系、结合数据标准运维管控制度和流程，依托数据管控平台，实现有标可依、有标必依、违标必究的目标。

3、元数据管理方面，实现元数据全面采集、准确解析、全局展示，建立血缘关系和影响关系，为掌握数据资产的整体布局、来龙去脉、变化影响等内容提供有力支撑，并支撑快速定位和解决数据问题。

4、数据质量管理方面，实现数据质量全生命周期管控，针对数据质量问题，及时发现、及时解决、解决效果及效率有机制可评价。

四、行业分析

大多数成功实施了数据治理服务的企业，总结分析出了成功的主要因素。

1、组织规划

都成立了数据治理相关部门，这些部门归属信息技术部的占多数，归属业务部门的占少数，还有少部分是独立的部门。数据治理组织的成员由了解业务和技术方面的专家组成。除了数据治理工作，大多数数据治理部门也提供数据服务内容，例如数据挖掘，灵活查询等。

2、政策制度

都有明文发布的企业数据治理章程，数据治理工作具有比较高的业务优先级。每个业务部门在年初的计划中会设定数据质量目标，年终会考核相关人员的数据质量目标完成情况。

3、管理流程

数据治理流程在分配数据管理权时，是以数据域而非以项目和一次性活动进行。数据治理流程贯穿从数据政策规划到软件开发管理、项目管理到运维管理等多种管理活动和流程中。数据治理委员会制定了详细周全的沟通和培训计划，并且定期组织召开数据治理和认责会议，通报治理成果和指标。定期进行数据治理投资回报(ROI)分析，并通过计算数据使用成本引导业务部门合理规范的使用数据。

4、技术手段

在技术部门建立了企业级数据管控平台，并逐渐向数据标准管理、生命周期管理等数据治理专题方面进行扩展。

五、做好数据治理前提

前提是做好数据任责，数据任责主要内涵是确定数据治理工作的相关各方的责任和关系，包括数据治理过程中的决策、执行、解释、汇报、协调等活动的参与方和负责方，以及各方承担的角色和职责等。

六、数据治理成熟度模型

阶段0－流程不存在（根本没有可应用的管理流程，没有专职的数据治理团队）

阶段1－初步的/临时的流程（流程是临时的、无组织的，有兼职的数据治理人员）

阶段2－重复的、按部就班的流程（跟随一种经常化的流程模式，无积极性，建立专职的数据治理团队）

阶段3－定义了流程（流程被定义并且有文档证明，逐步建立数据治理技术平台）

阶段4－可管理和度量的流程（流程被监控和度量，数据治理技术平台逐步完善）

阶段5－最优化的流程（被遵循和自动化的最佳实践）

七、数据治理体系结构

利用外部咨询利用成熟方法论制定数据治理体系和实施路线图，基于数据治理目标和原则，围绕着六个关键的数据管理要素，建设数据管控平台将具体措施落地，策略、管理、流程用于管理这些数据管理要素，最终把数据转变为整合的、可信任的和安全的信息

八、数据治理体系框架

九、数据治理具体内容

十、数据治理管控平台功能架构

相关文档

1、《银行业金融机构数据治理指引》

2、《九章数据治理建议书》

3、《南京银行数据治理》

4、《中小银行数据治理研究报告》

5、《潘光伟：银行业应加快建立数据治理架构》

6、《李伟：制定金融数据分级标准，做好数据治理》

7、《数据治理及数据仓库模型设计》

8、《中翰：某集团数据治理规划方案》

9、《财务公司数据治理工作思考与探索》