过去两年，国家各部委纷纷出台针对全行业的数字化转型、数据要素等方面的政策。2019年，工信部提出：“将加强数据治理，扎实推进国家大数据发展战略”，将数据治理重要性上升到新的高度。作为数字化建设的基石，数据治理尤为重要，如何才能做好呢？
数据作为一种新的生产要素，是企业的重要资产，应当像实物资产一样，制定体系化的管理规则，才能为数据治理的高效运行提供保障。类比审计与会计，审计员和财务主管设置管理财务资产的规则，数据治理专家制定管理数据资产的规则，由其他领域执行这些规则，确保数据质量，让企业的数据清洁、完整、一致，打破数据孤岛。
有着丰富的数据治理经验，在落地过程中，可重点关注
1.做好数据分类：不同类型的数据在企业中扮演不同的角色，不仅对数据精度的要求不同，也有不同的管理要求，治理的成本、方法也就不一样。
例如，企业的主数据是最为重要的一个数据类别，相应的，它的精度要求也很高。主数据是跨业务领域、跨流程和跨系统使用的，它们会被各个部门经常、反复调用，一旦出错就会牵连很广，如果客户信息、产品信息出错，相应的订单、物流等都会随之出错，企业将面临巨大的损失。
2.聚焦关键数据：大多数组织都有大量的数据，但并非所有的数据都同等重要。数据治理工作要将改进的重点集中在对企业及其客户最重要的数据上，这样做可以明确项目范围，并使其能够对业务需求产生直接的、可测量的影响及价值。这些看得见的影响及价值，不只能够让从事数据治理工作的人得到正反馈，也让整个企业都能看到数据治理带来的收益，从而形成良性循环。
3.与业务战略一致：数据治理工作必须支持业务战略和目标。一个组织的业务战略和目标影响着组织的数据战略，以及数据治理和数据管理在组织的运营方式。
数据治理项目必须能够被找到并提供特定的价值来为组织作出贡献。例如，减少监管机构的罚款。通过评估活动将识别和评价现有制度、指导方针的有效性，如它们处理了哪些风险、鼓励了哪些行为以及实施的情况，同时还能够识别数据治理的机会，以此提高数据及内容的实用性，并把业务调整的商业利益附加在数据治理要素中。
4.企业层开展：相对于孤立、特定的功能领域，当数据治理是一项企业层面工作时，效果最为显著。
数据治理与数据相关的决策责任可共享，治理活动跨越了组织和系统的边界，以支持整体的数据视图。成功的数据治理应当是清楚地了解需要治理什么、怎么治理以及谁来执行治理。
5.逐步开展：我们必须要明确，数据治理不是一次性的行为，它是通过持续性的项目集，由浅入深、循序渐进的过程，来确保企业聚焦于能够一直从数据中获得价值，并且降低有关数据的风险，而不恰当的演进路线一定不会产生有效的工作成果。
无论企业大小，在使用数据上都面临相似的数据挑战。企业越大，数据越多，越需要进行有效的、正式的数据治理。当企业规模扩大，数据需求跨越多个部门，数据系统和数据集太大，难以驾驭，以及业务发展需要企业级的策略，或者当法律或监管提出需求时，就必须开展正式的企业级数据治理，从而改进流程或者减少风险。
