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？

数据治理数据适用、加工活动

数据处理活动需要具备明确的目的，并被用户***；

处理生物识别、健康、***账户、行踪轨迹等敏感个人信息，应取得个人的单独同意；

通过自动化决策方式向个人进行信息推送、商业营销，应提供不针对其个人特征的选项或提供便捷的拒绝方式。

数据传输、提供、公开活动

未经用户***，数据信息不得向第三方传输和提供；

数据信息特定目的适用，未经***不得不公开；数据信息不得***的原则。

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。