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。

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”。

数字化浪潮的***方向将是相关受益行业

单位是本轮数字化建设的主要需求方。对于众多大中型企业来说，数字化建设早已实施，比如***、证券、政务、能源、电子、航空等诸多领域，而的数字化建设仍处于政务透明公开、办事效率提升的阶段，仍是业务驱动型的需求占主导，而业务驱动是属于刚需，并且政务内容的需求具有多样性和流程化的特点，决定了的数字化建设是本轮建设的重要领域。

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。