数据治理过程

从范围来讲，数据治理涵盖了从前端事务处理系统、后端业务数据库到终端的数据分析，从到终端再回到形成一个闭环负反馈系统（控制理论中趋稳的系统）。从目的来讲，数据治理就是要对数据的获取、处理、使用进行监管（监管就是我们在执行层面对信息系统的负反馈），而监管的职能主要通过以下五个方面的执行力来保证——发现、监督、控制、沟通、整合。

数据治理主动型治理

主动数据治理的个优势是可在根源获得主数据。具有严格的“搜索后再创建”功能和强大的业务规则，确保关键字段填充经过批准的值列表或依据第三方数据验证过，新记录的初始质量级别将非常高。

主数据管理工作通常着重于数据质量的“使它干净”或“保持它干净”方面。

如果 MDM 系统中的数据质量初始级别非常高，并且如果您不会通过从 CRM 或 ERP 源系统中传入不、不完整或不一致的数据来连续污染系统，则主数据管理的“保持它干净”方面非常容易。

主动数据治理还可有效消除新主记录的初始录入和其认证以及通过中间件发布到企业其余领域之间的所有时间延迟。由用户友好的前端支持的主动数据治理可将数据直接录入到多领域 MDM 系统中，可应用所有典型的业务规则，以整理、匹配和合并数据。当初始数据录入经过整理、匹配和合并流程后，此方法还允许数据管理员通过企业总线将更新发布到组织的其它领域。

自己治理互联网+政务服务

自2018年，陆续发布了多项文件，要求各级深入推进“互联网+政务服务”的建设，实现“一网通办”，让群众只在一个平台登陆一次，就可以办理所有部门的业务，做到“数据多跑路，群众少跑腿”，为群众带来极大便利的同时，国家也对于信息安全防护做出了全新举措。

《信息安全技术 政务信息共享 数据安全技术要求》标准中，明确指出在共享数据准备阶段、交换阶段以及共享数据的使用阶段保障共享交换服务持续、稳定运行需采用的技术手段。

数据治理敏感数据分布

随着信息化时代的不断推进，企业数据不仅在数量上呈现式递增的趋势，同时数据还具有类别多样化、环境复杂化等特点。由于企业数据大多分散存放于企业内部的业务系统和数据仓库中，所以管理者对于敏感数据数据分布情况难以进行把控，给敏感数据、数据的规范化管理造成很大难度。难度。现在市面上有很多识别敏感数据的工具和技术，能够对结构化的敏感数据进行识别并发现，而半结构化数据和非结构化数据识别起来较为困难，程度较低。