国际数据管理协会（Data Management Association ,又名DAMA International,以下简称“DAMA”）在其《DAMA数据管理知识体系指南（第2版）》一书中将数据治理进行了定义，即数据治理是对数据资产管理行使权力、控制和共享决策（规划、监测和执行）的系列活动。数据治理职能指导其他数据管理职能如何执行，最终保证数据的可用性、数据质量和数据安全。

数据治理的最终目标是提升数据的价值，数据治理非常必要，是企业实现数字战略的基础，它是一个管理体系，包括组织、制度、流程、工具。

数据治理并不是一个全新的概念，只是大数据时代，数据量和复杂度有了很大的变化，对数据质量的需求也被提到了一个全新的高度。业界对数据治理也没有一个唯一的定义。

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。

袋鼠云在大数据领域深耕7年，拥有丰富的大数据平台建设经验和成熟的产品体系，想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack