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，从源头到终端再回到源头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，是从源头治理水质，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）。

数据治理数据使用场景

场景决定数据安全工具的选择，例如呼叫中心、测试开发、对内数据流通、对外共享交换等，每种场景都有适用于自己的数据安全工具。当然，场景的梳理还有助于特定安全工具的安全策略制定，例如数据***，同一数据域在不同场景下的***规则等。

真正的数据安全项目，耗时耗力的就是咨询梳理阶段，企业大部分精力和节奏也都消耗于此，技术方案的落地只是工具的选型和实施，其实反而不是那么重要。正如前文所说，只要前序工作做的好，一切便都是水到渠成的。

数据治理数据***后数据依然具备业务规则关联性

派客动力***平台根据该***需求，保障***后的数据依然具备供企业使用、分析的能力，具备能让业务可靠运行的能力。因此，***后的数据能够保有原始数据的业务属性和数据分布特征，例如：原始数据中的姓名、地址等信息，需要在***后依然具有可读性，***后的数据满足业务系统的数据规则，能够正确的通过业务系统的数据有效性验证，如号、号的校验位，生日的区间等。