应对型数据治理缺点

批量集成和应对型数据治理方法引入的时间延迟可能导致业务部门继续操作重复、不完整且不的主数据。因此，这会降低多领域 MDM 方案实现在正确的时间向正确的人员提供正确数据这一预期业务目标的能力。在期望被设定为数据将变得干净、且及时之后，批量集成引入的时间延迟让人感到沮丧。应对型数据治理（下游数据管理员小组负责整理、去重复、纠正和完成关键主数据）可能导致让人认为“数据治理官僚化”。

派客动力数据治理

用户可利用有效的数据分类方法，依据自身业务特点对内部数据进行归类处理，不仅能够清晰地梳理数据资产，更合理地使用、维护和扩充数据，还可以在业务层面加深数据的辨识度，无论是对数据实现规范化管理，还是在业务架构层面对应用系统进行“通拆并砍”，都能够做到有迹可循，有理可依。数据分级是指采用规范、明确的方法区分数据的重要性和敏感度差异，并确定数据级别。数据分级有助于用户根据数据不同级别，确定数据的对外开放程度，以及在其生命周期的各个环节应采取的安全防护策略和管控措施，进而提高数据管理和安全防护水平，确保数据的完整性、保密性和可用性。

数据治理过度采用GDPR对国内的影响

中国与欧盟国家的国情不同，法律也不同。与欧盟相比，目前我国尚未形成关于个人数据保护完善的法律法规体系，类似的相关条款基本都分散在不同部门的法律法规或标准中，边界和惩处力度不如GPPR明确，因此我国的个人数据保护基本还是依靠数据数据服务商单方面自律性的承诺，缺乏强制力。在数字经济大爆发，又缺乏明确约束力的背景下，许多企业制地采集使用个人信息，甚至会出现企业间数据共享、交换的情况出现。