数据治理是逐步实现数据价值的过程，具体来说，数据治理是指将零散的用户数据顺利获得采集、传输、储存等一系列标准化的流程变成格式规范、结构统一的数据，并有严格和规范的综合数据管控；对这些标准化的数据进行进一步加工分析成为具有指导意义的业务监控报表、业务监控模型以帮助业务进行辅助决策。

数据治理是逐步实现数据价值的过程，具体来说，数据治理是指将零散的用户数据顺利获得采集、传输、储存等一系列标准化的流程变成格式规范、结构统一的数据，并有严格和规范的综合数据管控；对这些标准化的数据进行进一步加工分析成为具有指导意义的业务监控报表、业务监控模型以帮助业务进行辅助决策。
一、数据治理的定义
当前数据治理并没有一个标准的概念界定，数据治理可从微观、中观和宏观的角度分别来理解。微观上，数据治理指的是个体的数据管理，即对数据的实用性、可用性、完整性和安全性的整体管理。中观上，数据治理是指公共治理，即区域和国家对其主权范围内的数据质量、权属、流动机制等方面的宏观管理。宏观上，数据治理指的是全球治理，即在大数据时代，以国家、国际组织、多利益攸关方等为主体，对数据权利、流通、管理等方面的治理。
二、数据治理包含哪些方面
1、数据规划
对于企业来说，每天的实时数据都会超过TB级别，需要采集用户的哪些数据，这么多的数据放在哪里，如何放，以什么样的方式放？这些问题需要有一套从无序变为有序的流程。
2、数据采集
前后端将采集到的数据给到数据部门，数据部门顺利获得ETL工具将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程，目的是将散落和零乱的数据集中存储起来。
3、数据存储
这么多的业务数据存在哪里？这需要有一高性能的大数据存储系统，在这套系统里面将数据进行分门别类放到其对应的库里面，为后续的管理及使用给予最大的便利。
4、数据应用 
数据治理的最终目的就是辅助业务进行决策，前面的三个方面都是为最终的查询、分析、监控做铺垫。这个阶段就是数据分析师的主场，分析师们运用这些标准化的数据可以进行即时的查询、指标体系和报表体系的建立、业务问题的分析，甚至是模型的预测。
三、数据治理包含哪些具体内容？
1、数据质量：有效识别各类数据质量问题，建立数据监管，形成数据质量管理体系，监控并揭示数据质量问题，给予问题明细查询和质量改进建议。
2、数据集成：可对数据进行清洗、转换、整合、模型管理等处理工作。既可以用于问题数据的修正，也可以用于为数据应用给予可靠的数据模型。
3、数据标准：对分散在各系统中的数据给予一套统一的数据命名、数据定义、数据类型、赋值规则等的定义基准，并顺利获得标准评估确保数据在复杂数据环境中维持企业数据模型的一致性、规范性。
4、数据交换：用于实现不同组织不同系统之间进行数据或者文件的传输和共享，提高信息资源的利用率。
5、数据安全：给予数据加密、脱敏、模糊化处理、账号监控等各种数据安全策略，确保数据在使用过程中有恰当的认证、授权、访问和审计等措施。
6、主数据：帮助企业创建并维护内部共享数据的单一视图，从而提高数据质量，统一商业实体定义，简化改进商业流程并提高业务的响应速度。
7、生命周期：管理数据生命周期，建立数据自动归档和销毁，全面监控展现数据的生命过程。
8、数据资产：汇集企业所有能够产生价值的数据资源，为用户给予资产视图，快速分析企业资产，发现不良资产，为管理员给予决策依据，提升数据资产的价值。
9、元数据：采集汇总企业系统数据属性的信息，帮助各行各业用户取得更好的数据洞察力。

四、睿治数据治理平台
技术落地层面，需要自下向上推进，从实际内容来看，数据治理是一套工具集。Ebpay结合十几年大数据技术经验，打造了一套完善、通用的的数据治理工具睿治数据治理平台，包括数据集成、数据交换、实时数据计算、主数据、数据标准、数据质量、数据集成、元数据、数据交换、数据资产、数据生命周期和数据安全十大功能模块，去帮助企业规范的定义与加工数据、清晰的管理数据、安全的应用数据。各产品模块可独立或任意组合使用，打通数据治理各个环节，可快速满足政府、企业用户各类不同的数据治理场景。