论到数据治理的概念，一般认为数据治理是从组织、管理及技术的角度持续改变数据使用行为的过程;帮助企业理解数据、使用数据，挖掘数据价值目标，从而提高企业运营效率和管理水平，增强企业竞争力。由此来看，数据治理的概念就是在明确责任的前提下，发挥数据的有效性和提升业务价值而采用的一系列业务、技术和管理相结合的活动。

从数据治理的概念延伸开来，数据治理主要包含顶层设计、数据治理环境、数据治理域和数据治理过程。数据治理的概念,数据价值目标,数据安全

1) 顶层设计是数据治理实施的基础，是根据据组织当前的业务现状、信息化现状和数据现状，设定组织机构的职权利，并定义符合组织战略目标的数据治理目标和可行的行动路径。

2) 数据治理环境是数据治理成功实施的保障，指的是分析领导层、管理层、执行层等等利益相关方的需求，识别项目支持力量和阻力，制定相关制度以确保项目的顺利推进。

3) 数据治理域是数据治理的相关管理制度，是指制定数据质量、数据安全、数据管理体系等相关标准制度，并基于数据价值目标构建数据共享体系、数据服务体系和数据分析体系。

4) 数据治理过程就是一个 PDCA(plan-do-check-act)的过程，是数据治理的实际落地过程，包含确定数据治理目标，制定数据治理计划，执行业务梳理、设计数据架构、数据采集清洗、存储核心数据、实施元数据管理和血缘追踪，并检查治理结果与治理目标的匹配程度。

其实每个数据治理的领域都可作为一个独立方向进行研究治理，目前总结的数据治理领域包括但不限于以下内容：数据标准、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期管理、数据质量、数据安全以及数据共享服务。

数据治理的数据价值目标体系包括：

对数据的共同理解

——数据治理为数据提供了一致的视图和通用术语，同时各个业务部门保留了适当的灵活性。

提高数据质量

——数据治理创建了一个确保数据准确性、完整性和一致性的计划。

——数据治理提供了一种高级能力，可以了解与关键实体相关的所有数据的位置，这是数据集成所必需的。就像GPS可以代表物理景观并帮助人们在未知景观中找到方向一样，数据治理使数据资产变得可用并且更容易与业务成果联系起来。

每个客户和其他业务实体的360度视图

——数据治理建立了一个框架，以便企业可以就关键业务实体的“单一版本真相”达成一致，并在实体和业务活动之间创建适当的一致性级别。

一致的合规性

—数据治理提供了一个平台来满足政府法规的要求，例如欧盟通用数据保护条例(GDPR)、美国HIPAA(健康保险流通与责任法案)和行业要求，例如PCIDSS(支付卡行业数据安全标准)。

改进数据管理

——数据治理将人的维度带入高度自动化、数据驱动的世界。它建立了数据管理的行为准则和最佳实践，确保传统数据和技术领域(包括法律、安全和合规等领域)以外的问题和需求得到一致解决。