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”。

数据治理数字标准

数字化社会的体现标志是什么，笔者认为数字化社会的标志不是数字应用场景的具体化，也不是数据应用的多样化，而是全社会对数字有一个共同的标准、共同的规范，所有的数字化活动应遵循相关的要求，比如分类分级标准、数据安全规范、数据保护条例等等。

全社会将从行业归属角度，逐步建立数据分类分级标准，其中离不开的引导，分类分级的标准将是未来数据大融合、一个数据标准的数据基石，如何做好分类分级，凝聚社会共识，该类工作将会以咨询的方式完成规划，以公示的方式完成补充，形成数据分类分级标准。

数据治理数据安全应用

数字化社会离不开数字的流通和信息的交互，如何明确数字资源的产权，保障数据流通的安全型，在数据跨境传输和安全保护领域如何确保公民和***的数据安全将是数字化建设的重要环节，包括数据应用安全和数据生命周期安全两个方面。

数据应用安全是数字化应用过程中产生的新课题，包括如何人脸识别技术、数字签名技术、数字认证技术、加密传输技术、网络隔离技术等等，该类技术支撑数据在不同场景中被安全应用，具有良好的发展前景。