里面的一个重要的思路就是和数据资产相关的，数据资产的产出和投入的“账”算清楚，这样才能做规划，搞清楚数据治理的“轻重缓急”，总之一句话，数据治理必须要有明确目标，如果是分阶段的治理，那就要有分阶段的目标，那就是让数据治理产生价值，无论是正向的：如促进营销、提升效率等等，还是从负向的：如减少成本、减少合规风险、降低安全风险等等。

数据治理6个目标

从根本上来说，数据治理的目标是保障数据资产的质量，促进数据资产的价值创造。这个根本目标可以分解为以下6项：

• 提升数据质量，帮助做出基于数据的更高效、更准确的决策;
• 构建统一的、可执行的数据标准;
• 良好地响应数据生产者、消费者、数据处理技术人员等数据利益相关者的需求，如保护好客户的数据隐私和数据安全;
• 培训组织内所有的管理层和员工，让大家采用共同的解决数据问题的办法;
• 实现可重复的数据管理流程，并确保流程透明;
• 实现数据的可持续运营、数据资产的增值。

可以使用DCMM数据管理能力成熟度评估模型，对数据治理的目标达成程度进行科学评估，找出差距，制定持续可行的推进方案，逐步达成目标。

数据治理的6个原则

数据治理的原则可以总结为以下6条。

标准化原则：数据标准化是实现高价数据、支撑以数据为基础的相关业务的先决条件。组织必须制定可参考、可落地的标准。当发生争议的时候，有权威的标准可供仲裁参考。

透明原则：除了一些需要保密的安全措施之外，数据治理相关的文件、数据问题的发现等，都应该是公开透明的，相关人员应该清楚正在发生的事情，以及事情发生后应如何按照原则处理。

数据的认责与问责：数据治理必须解决无人问责的问题，比如将很多岗位列为负责人，最终却没有人真正负责。数据的认责是数据治理的先决条件，数据的问责和考核制度是确保数据治理工作真正落地的制度保障。

平衡原则：在大数据时代，时时刻刻都在涌现海量数据。在进行数据治理工作的过程中，必须在代价和收益之间取得平衡。往往没有必要追求百分之百的数据质量，而对于历史遗留数据，数据标准也不可能对其进行完全约束。很多时候，对于企业来说，数据可商用是平衡原则的重要参考。

变更原则：随着市场和业务的不断发展，数据标准、元数据、数据质量等要求并不是一成不变的，既要控制数据的变更流程，也要主动适应这些变化，推动标准更新。

持续改进原则：业务在不断变化，数据在持续产生，数据治理非朝夕之功，需要持续推动，不断改进，形成长效机制。