数据是企业数字化转型的核心要素，数据治理是企业数据能力构建的核心基础，根据国际数据管理协会（DAMA）给出的定义：数据治理是对数据资产管理行使权力和控制的活动集合。数据治理职能是指导其他数据管理职能如何执行，最终保证数据的可用性、数据质量和数据安全。

企业为什么要做数据治理？

随着企业数据需求的不断增加，人们对数据质量的预期也随之改变。

在企业数字化转型过程中，根据使用数据的角色不同，数据使用方面会涉及很多痛点，具体的痛点大致可以分为以下三个方向：数据易用性差、数据质量差、数据安全性差。在一些数字化转型领先行业，早已经积累庞大的数据，当数据质量存在问题如数据标准不统一、数据易用性差以及数据安全等问题时，就需要进行数据治理。

数据治理在数据管理工作中，扮演着“执行者”的角色，是数据规划成果及标准设计成果、数据存储、数据管控、数据交换、数据应用得以落地的基础。企业数据治理是一个长期、复杂的体系化工程，涉及数据标准、数据质量、主数据、元数据、数据安全、数据资产、数据服务等多个方面。

基于此，企业为了获得质量更高的数据，与业务建立紧密联系，推动数据资产变现，形成标准化的数据资产管理方法、流程和策略，提高数据运营效率和数据安全性，释放数据价值，赋能数字化转型，进行数据治理工作。

企业数据治理建设方式

现阶段，绝大多数企业，把数据治理作为一个由集团开展自上而下的专项项目。企业做数据治理以合规为导向，管制、控制数据，被动、静态提供数据，供数据应用部门查阅使用。然而，企业数据治理不是一次性工作，而是持续的日常工作。

数据治理显然不可能由单一部门去进行开展，而是由技术部门跟业务部门进行融合、协同的多部门协同工作。同时，数据治理本身不应该以管控为目标，应该以数据使用为目标，当需求人员使用数据的时候，数据是可用、一致的。数据治理本身不应该是被动的，而应该是主动的，随时发现问题，随时完成相应的调整。

此外，数据治理本身是动态的，数据治理高度关注最后的数据消费，所以企业需要把数据治理以目的为导向，把数据治理敏捷、日常的融入到协作当中，才能达成数据高质量的一致性的可用。

基于以上，企业数据治理建设路径如下：

明确数据治理平台的管理管控对象。结合数据规划成果及数据管理需求，明确不同类型业务的数据管控对象及管控范围。

完成数据治理平台的架构设计。?结合数据管控对象，从IT建设角度，规划数据治理支撑平台的总体架构；基于数据管理工作的落地与实施，规划平台功能架构；从技术实现角度，规划平台技术架构；从软硬件环境部署角度，规划平台部署架构。

完成数据治理平台的软硬件环境设计。?基于平台的架构设计成果，进行硬件设备配置及技术参数的规划，软件产品、组件及选型的规划。

完成数据治理平台的实施路线规划。从平台的建设维度、实施维度，进行平台实施阶段划分、阶段目标及任务的规划，以确保平台建设工作及数据管理工作有条不紊地进行。

科杰科技数据治理实践

科杰科技湖仓一体数据智能平台KeenData Lakehouse，可以帮助企业建立数据治理体系规划，从数据战略、组织机制、数据文化等方面全面推进数据质量治理工作，以结果为导向，建立敏捷的数据治理体系，达成企业自适应的数据治理。

科杰科技数据治理平台功能架构

基于科杰科技湖仓一体智能数据平台KeenData Lakehouse，企业将被动、割裂的数据治理跟数据工程相融合，将访问控制、管道连接、数据合并、主动元数据、数据探查等技术融入到数据工程上，并基于KeenData Lakehouse提供数据治理与数据工程相融合的自治理能力；数据同步系统Keen Dsync具有超强的兼容能力，可满足企业复杂结构、多终端、多形态、多业务的数据同步交换需求；数据开发管理平台Keen BDP提供离线/实时/算法开发一站式数据开发工程化能力，同时自研的大规模高性能智能调度引擎，可智能解析任务血缘，在工程化的全流程自动沉淀，可追踪血缘关系的数据资产，在保障数据生产的时效性与稳定性同时极大的提高开发效率；主数据管理平台Keen MDM、数据标准平台Keen DSM、数据质量平台Keen DQM、在数据离线/实时工程化过程中提供全局统一的主数据管理体系、统一的质量标准规范、全方位质量管控能力；在数据处理过程中主动的、实时的、自动化的完成治理，帮助用户建设数据治理与数据工程相融合的自治理体系。

科杰科技数据底座产品矩阵

作为行业领先的大数据基础软件构建商，科杰科技基于领先湖仓一体技术，自主研发数据智能平台，具有湖仓一体、批流一体、存算分离的技术架构特点，KeenData Lakehouse可以在数据处理全生命周期为您提供持续集成、持续开发、持续运维的DataOps一站式的强大的工具能力，并提供数据治理与数据工程相融合的开发体验，保障数据资产的质量，释放数据价值。