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）。

***单位是本轮数字化浪潮的主要推动者

既然***将数字化建设提升到全社会的角度，提升到促经济保增长的高度，那么数字化建设涉及的数据资源产权、交易流通、跨境传输和安全保护等内容，离不开的主导，其基础制度和标准规范的设立也是的主要职责。所以说，将是数字化建设的当但，在此过程中，头部企业将协助完成标准和规范的编制，中小技术企业将更着眼于数字化服务内容。

数据治理多种异构数据源支持

具有多种异构数据源支持，一个***规则可应用于不同的数据源，可对结构化数据、半结构化数据以及非结构化数据进行***处理。例如：可在excel、TXT、Or***e、Hadoop等数据源上直接引用。***后的数据完全不落地分发，提供库到库、文件到库、库到文件、文件到文件等方式，无需在生产系统或本地安装任何客户端。

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。