数据治理主动数据治理

主动数据治理方法消除了“数据治理官僚化”这一认识，因为主数据的授权已推给上游的业务用户，使数据管理员处于很少被打扰的角色，他们将不会成为诸如订单管理或出具等关键业务流程的瓶颈。

销售和营销均受益，因为可更迅速且经济有效地完成营销活动，在启动活动之前无需前期数据纠正。财务上也受益，因为将一次性捕获新客户需要的所有数据元素，添加新客户的流程包括提取第三方内容并计算限额，然后将该信息传回 ERP 系统。

数字化浪潮的重点方向将是相关受益行业

单位是本轮数字化建设的主要需求方。对于众多大中型企业来说，数字化建设早已实施，比如银行、证券、政务、能源、电子、航空等诸多领域，而的数字化建设仍处于政务透明公开、办事效率提升的阶段，仍是业务驱动型的需求占主导，而业务驱动是属于刚需，并且政务内容的需求具有多样性和流程化的特点，决定了的数字化建设是本轮建设的重要领域。

数据治理企业系统梳理

开展数据、信息梳理的步，先对企业中的所有系统进行梳理，了解不同系统下的业务需求、项目模块、业务组等，编制梳理计划。当系统间进行集成或对接时，无非是将系统下的数据进行交互对接、整合，此时常见的问题就是各系统间相同的数据无法保证数据格式的一致性、准确性和完整性。第二步便是要对数据制定统一性规则，确保数据的完整性和一致性。首先要建立公共信息类模型，保障数据梳理时有统一的信息规范。其次，设定特殊信息级模型，制定数据性等级，确定数据信息敏感级别，方便确立日后哪些数据、信息以何种形式进行交互流通。

数据治理保障生产数据安全

商业保护的困境就是数据存在的形式过多，访问人数多，存储分散。在商业银行的内部有海量的数据信息，这些数据信息大部分被分散存储到全行办公人员的PC端、移动存储介质、邮箱等，由于日常对员工的要求和管理标注高低不一，人员安全意识不均衡，这也进一步增加了对数据信息安全保护的难度。派客动力脱敏平台中的权限管理首先将员工进行等级划分，不同等级的员工所获取到的权限不同，对于数据信息处理手段上也有了明确的差距。例如：只读权限，完全控制等。