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”。

数据治理包含

这里包括对业务、数据、应用、***架构、******等方方面面的认知。举个例子：你的业务战略目标是什么，业务域、业务线、业务项能不能说清楚；你有多少结构化数据、半结构化数据、非结构化数据，数据体量有多大，都存哪，使用场景、使用角色都是什么，数据和业务之间的关系是什么；你建设了多少应用系统，应用和业务之间的关系是什么；你的***架构长什么样，流程什么样，不同部门之间的关系是什么，权责利如何划分，信息化成熟度什么样，人员技能又如何；你的企业要遵守哪些******，有没有跨境业务，行业有没有监管要求？

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***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GDPR

对于业务涉及到欧盟的企业来说，GDPR的出现，无疑将极大地冲击它们的生存法则，如果想满足GDPR的要求，恐怕要耗费大量成本来整改自己的产品或服务，因此企业合规成本的提高是中国数字经济直观的影响。但深究的话，问题似乎要更复杂。满足GDPR的合规要求对于大企业来说虽然增加了成本，但凭借庞大的体量，完全可以承受得起，甚至更可以借此机会塑造一个具有公信力的全新企业。