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”。

数据治理数据脱敏

数据脱敏不仅仅是代名词，同样也蕴含着复杂且多样的脱敏技术能力。在不同环境下，企业对于敏感数据脱敏的要求也不尽相同。例如：脱敏后的数据要求性、可用性、完整性等。通常来说，市面上多数的脱敏产品中可通过内置的规则对、姓名、等常用的敏感数据实现脱敏，并满足后续的测试、使用等需求，而更多真实环境中，往往需要脱敏的

敏感数据实际在脱敏操作中更为复杂化。

数据治理数据安全现状

随着大数据的发展性、集中性和开放性的不断提高，数据安全的薄弱性开始凸显。国内外的数据泄露事件频频发生，用户的个人隐私和企业的数据安全受到极大的威胁和挑战。在数字化驱动的环境下，数据泄露已不再是单一式的外部攻击，逐渐转为内部人员对信息化系统的敏感信息进行倒卖或，数据安全防护岌岌可危，也是影响大数据发展的问题。