数据治理怎么做

当真正理清了这些关于信息化现状认知，企业通常都会决定开展数据治理和数据安全治理工作。至于这两项工作怎么做，通常有两种思路：要么循序渐进地从数据资产化的角度做治理，要么以需求为导向，从数仓、中台等数据服务的角度做。这就好比一条河被污染了，老百姓要喝水，是从治理水质，还是在下游建个污水处理厂，每天喝多少就治理多少？中国足球要进世界杯，是从娃娃抓起搞青训，还是规划老外雇佣军？选择哪种思路，高层认知很关键，所以IT、数据、业务、安全、法务等各部门提供的信息一定要准确，但实际情况要糟的多（因为基层员工的认知不够和人员变动等不确定因素都会造成高层的信息缺失）。

数据治理管理规范

数据化建设过程中的管理规范，更多体现在数据融合和交换的管理方法中，该类方法是以应用软件为载体的数据管理类规范，通常在不同应用行业、不同使用者中采用不同的管理规范，其相互之间既有共通之处，也有各企业的特点。

数据标准和数据规范的制定将是数字化社会的主要工程，也是国家建设别数据统一共享开放平台的基石。

数据治理数据安全保护策略

随着各行各业加速数字化转型风口下，数据安全厂商所提供的性的数据隐私保护产品和技术、方案等也各不相同。而数据脱敏技术和产品已然成为数据安全保护的常规防护手段之一。在开发、测试以及数据外发共享等环境下被广泛应用。但仅仅能够对敏感数据进行一系列的变形、遮蔽、加密等手段处理是远远不够的，想要真正意义上实现客户安全、便捷的使用数据，还要有完善的架构体系以及的技术做支撑。否则将会在实施过程中给客户带来一系列的问题与麻烦。

数据治理方法

自动调度：系统内包含自动调度器自动执行测试数据抽取以及脱敏工作，减少人工干预。性能优化：通过多任务、多线程、分批处理等技术实现脱敏的。完善的用户权限管理：系统具备完善的用户权限管理策略，可以针对不同角色、不同用户、不同操作系统进行权限设置，从而实现更为细粒度的权限管理。异构环境支持：同一平台支持异构数据库、应用程序和IT环境。自定义算法：系统支持各类加密、或基于各类复杂业务的DB或JAVA的自定义算法。