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，从到终端再回到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。

数据治理主动型治理

主动数据治理的个优势是可在根源获得主数据。具有严格的“搜索后再创建”功能和强大的业务规则，确保关键字段填充经过批准的值列表或依据第三方数据验证过，新记录的初始质量级别将非常高。

主数据管理工作通常着重于数据质量的“使它干净”或“保持它干净”方面。

如果 MDM 系统中的数据质量初始级别非常高，并且如果您不会通过从 CRM 或 ERP 源系统中传入不、不完整或不一致的数据来连续污染系统，则主数据管理的“保持它干净”方面非常容易。

主动数据治理还可有效消除新主记录的初始录入和其认证以及通过中间件发布到企业其余领域之间的所有时间延迟。由用户友好的前端支持的主动数据治理可将数据直接录入到多领域 MDM 系统中，可应用所有典型的业务规则，以整理、匹配和合并数据。当初始数据录入经过整理、匹配和合并流程后，此方法还允许数据管理员通过企业总线将更新发布到***的其它领域。

数据治理数据性要求

作为数据应用的内容本身，将会有更多的性要求，因此，数据整个生命周期的安全将是企业在数字化融合下的重要考量内容，数据在采集、传输、处理、交换、销毁全生命中，应该采用哪些技术手段，保障数据不被获取，数据如何管理才能平衡业务发展和安全管控之间矛盾。于此相关的数据技术、数据库审计技术、数据交换技术、网络监控技术等的，该类技术在数字化建设浪潮中将迎来快速发展的机遇。

数据治理数据分类

大家都知道我们擅长做数据分类分级，对于我们来说，这确实是一个老生常谈的问题，但在整个数据安全领域中，它却又是般的存在，不得不提。散落在企业各个存储角落的那些数据，在业务维度上，都属于哪个业务域、哪条业务线、哪个业务系统、哪个业务项、哪个业务分类，这些被贴上了业务标签的数据，将更容易从业务视角进行解读，为数据分级打下根基。从数据资产化的角度来看，数据分类可以***存在，然而数据分级在某种程度上来说，需要依赖于数据分类的结果，因为数据分类令数据有了明确的业务属性。