数据治理涉及到哪些方面？
数据架构、数据标准、数据质量、主数据管理、元数据管理、数据安全、数据生命周期、数据基础平台、数据应用、数据需求与规划 、外部数据采购、数据运维等
数据治理的6个基本原则：职责、策略、采购、绩效、符合和人员行为
数据管理组织的构成分为三个层次，自上而下划分为决策层、管理协调层以及执行层。
企业数据架构管理应该遵循 可信数据源原则；数据分布减法原则；数据完整性原则
数据治理过程中用到的工具
- 数据生命周期管理相关工具
- 数据安全相关工具
- 主数据管理工具
- 数据清洗工具
- 数据资产管理工具
- 数据共享交换平台或工具
- 数据质量管理工具
- 元数据管理工具
- 数据标准化工具
数据治理参考标注或方法论
SMART的：Specific（具体的）、Measurable（可衡量的）、Actionable（可操作的）、Relevant（相关的）、Timely（及时的）。
- GB/T36073-2018《数据管理能力成熟度评估模型》 —- 《数据管理能力成熟度评估模型》DCMM
- DCMM按照组织、制度、流程、技术对数据管理能力进行了分析和总结， 提炼出组织数据管理的8个过程域，即数据战略、数据治理、数据架构、数据应 用、数据安全、数据质量、数据标准、数据生存周期
- GB/T 34960《信息技术服务治理 数据治理规范》
- DAMA DMBOK — DAMA数据管理知识体系指南（原书第2版）
- DGI
- COBIT 5
- TOGAF 9
DAMA数据管理知识体系、DCMM数据管理能力成熟度评估、DGI数据治理框架
DMBOK 简述
- 数据治理（Data Governance）：通过建立一个能够满足企业需求的数据决策体系，为数据管理提供指导和监督。这些权限和责任的建立应该考虑到组织的整体需求。（参见第3章）
- 数据架构（Data Architecture）：定义了与组织战略协调的管理数据资产的“蓝图”，指导基于组织的战略目标，指定符合战略需求的数据架构。（参见第4章）
- 数据建模和设计（Data Modeling and Design）：以数据模型（data model.）的精确形式，进行发现、分析、展示和沟通数据需求的过程。（参见第5章）
- 数据存储和操作（Data Storage and Operations）：以数据价值最大化为目标，包括存储数据的设计、实现和支持活动，以及在整个数据生命周期中，从计划到销毁的各种操作活动。（参见第6章）
- 数据安全（Ｄata Ｓecurity）：这一活动确保数据隐私和安全，数据的获得和使用必须要有安全的保障。（参见第7章）
- 数据集成和互操作（Data Integration and Interoperability）：包括与数据存储、应用程序和组织之间的数据移动和整合相关的过程。（参见第8章）
- 文档和内容管理（Document and Content Management）：用于管理非结构化媒体的数据和信息的生命周期过程，包括计划、实施和控制活动，尤其是指支持法律法规遵从性要求所需的文档。（参见第9章）
- 参考数据和主数据管理（Reference and Master Data Management）：包括核心共享数据的持续协调和维护，使关键业务实体的真实信息，以准确、及时和相关联的方式在各系统间得到一致使用。（参见第10章）
- 数据仓库和商务智能（Data Warehousing and Business Intelligence）：包括计划、实施和控制流程，来管理决策支持数据，并使知识工作者通过分析报告从数据中获得价值。（参见第11章）
- 元数据管理（Metadata Management）：包括规划、实施和控制活动，以便能够访问高质量的集成元数据，包括定义、模型、数据流和其他至关重要的信息（对理解数据及其创建、维护和访问系统有帮助）。（参见第12章）
- 数据质量管理（Data Quality Management）：包括规划和实施质量管理技术，以测量、评估和提高数据在组织内的适用性。（参见第13章）
除了有关知识领域的章节外DAMA-DMBOK，车轮图以外的内容，包含以下主题章节：
- 数据处理伦理（Data Handling Ethics）：描述了关于数据及其应用过程中，数据伦理规范在促进信息透明、社会责任决策中的核心作用。数据采集、分析和使用过程中的伦理意识对所有数据管理专业人士有指导作用。（参见第2章）
- 大数据和数据科学（Big Data and Data Science）：描述了针对大型的、多样化数据集收集和分析能力的提高而出现的技术和业务流程。（参见第14章）
- 数据管理成熟度评估（Data Management Maturity Assessment）：概述了评估和改进组织数据管理能力的方法。（参见第15章）
- 数据管理组织和角色期望（Data Management Organization and Role Expectations）：为组建数据管理团队、实现成功的数据管理活动提供了实践提供和参考因素。（第16章）
- 数据管理和组织变革管理（Data Management and Organizational Change Management ）：描述了如何计划和成功地推动企业文化变革，文化的变革是将数据管理实践有效地嵌入组织中必然结果。（第17章）
DGI数据治理项目通用10个组成部分
| 分类 | 具体内容 |
|---|---|
| 与过程相关 | ① 最终目标与愿景 ② 短期目标、治理标准、评估标准、资金筹集策略 ③ 数据规则与定义 ④ 决策权 ⑤ 问责制度 ⑥ 控制措施 |
| 与员工与企业部门相关 | ⑦ 数据利益相关方 ⑧ 数据治理办公室 ⑨ 数据管理小组 |
| 与过程相关 | ⑩ 主动型、应对型与持续性的数据治理过程（项目） |
DGI框架的5W1H法则
WHY，为什么需要数据治理？
DGI框架中的第1-2组件，数据治理愿景使命、数据治理目标。用这两个组件来定义企业为什么需要数据治理。它为企业数据治理指明了方向，是其他数据治理活动的总体策略。
WHAT，数据治理治什么？
DGI框架中的3-6个组件，数据规则与定义、数据的决策权、数据问责制、数据管控，DGI框架这4个组件定义出了数据治理到底治什么。
- 数据规则与定义，侧重业务规则的定义，例如：相关的策略、数据标准、合规性要求等；
- 数据的决策权，侧重数据的确权，明确数据归口和产权为数据标准的定义、数据管理制度、数据管理流程的制度奠定基础。
- 数据问责制，侧重数据治理职责和分工的定义，明确谁应该在什么时候做什么。
- 数据管控，侧重采用什么样的措施来保障数据的质量和安全，以及数据的合规使用。
WHO，谁参与数据治理？
DGI框架中的7-9组件，定义数据治理的利益干系人，主要包括：数据利益相关者、数据治理办公室和数据专员。DGI框架对数据治理的主导、参与的职责分工定义给出了相关参考。
WHEN，什么时候开展数据治理？
DGI框架中的第10个组件，用来定义数据治理的实施路径、行动计划。
HOW，如何开展数据治理？
DGI框架中的第10组件，数据治理流程，描述了数据管理的重要活动和方法。
WHERE，数据治理位于何处？
DGI框架外的组件，虽然没有含在10大组件之列但却十分重要，强调明确当前企业数据治理的成熟度级别，找到企业与先进标杆的差距，是定义数据治理内容和策略的基础。
参考链接：https://blog.csdn.net/m0_56143415/article/details/122706095
