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。

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”。

我喜欢把数据赋能和数字化转型放在一起讲，因为数字化转型的目标之一就是数据赋能。众所周知，我们从93年开始逐步发展信息化，从为了解决业务上0和1问题，为了解决无纸化办公，到现在的大数据时代，近30年的时间总结起来，数据领域一共就三件事：解决数据孤岛问题、隐私数据保护以及提供数据服务。翻译过来就是数据治理、数据安全治理以及数据赋能。

数据治理什么是GDPR

事物都有两面性，数据价值的发掘的确可以为企业带来可观的利润，为世界带来发展，然而就在企业攫取数据资源时，关于公民隐私数据泄露的事件此却此起彼伏。数字经济的崛起的确为人类社会的发展和价值创造的促进提供了巨大契机，但也对公民的隐私安全构成了实质性威胁。如何平衡数字经济价值化和个人隐私权益保护，逐渐变成了性的话题。在这样的大背景下，欧盟颁布了《通用数据保护条例》（GeneralDataProtectionRegulation，简称GDPR），条例要求企业对个人隐私数据的使用变得透明化，隐私数据保护的操作性也变得更灵活。