数据安全管控是数据治理的关键节点，建立在对数据承载业务的理解，和完整的企业数据资产地图之上，以数据为中心，覆盖采集、传输、存储、共享、使用和销毁全生命周期，保护数据的“保密性”、“完整性”、“可用性”的数据安全管理是数据治理建设和应用的前提。

1、消除数据孤岛、避免重复开发

过去，数据在不同的系统独立存储，独立维护，彼些之间相互孤立，数据之间是物理上的孤岛。建设数据平台，对数据进行统一采集后，数据的物理孤岛现象消除，但数据的逻辑孤岛依然存在，不同部门站在自己的角度对数据进行理解和定义，相同的数据被赋予不同含义，加大了跨部门数据合作和沟通成本。即使对基础数据进行了统一的采集整合，基础数据之上还会形成应用孤岛，不同部门、不同项目组的应用独立开发，指标和汇总数据都使用基础数据进行计算，不仅浪费大量人力开发资源、计算资源，还对后续的运维造成沉重的负担。

在数据治理的过程中，通过采集各业务系统和数据中台的元数据，为数据的采集、开发、存储、应用全生合周期的数据管理提供基础信息；在元数据的基础上识别数据资产，对企业数据资产进行识别盘点，包括中台采集的基础数据、共享模型和组件、指标和数据应用，形成企业数据资产目录，为数据共享开放和开发成果的复用提供统一的入口。

2、提高数据质量

传统的大数据仓库，主要作用是经营分析、决策支撑，对数据的精度要求较低。而数据中台作为企业利用数据驱动业务的基础支撑平台，企业的业务、管理都可能建立在中台之上，对数据质量则提出更高要求。例如，同样的财务数据，用来做经营分析和用来做税务结算的数据质量要求完全不同，前者只需要宏观数字的准确，后者则在精确、准确上有着更高要求。

数据质量问题通常在中台数据整合、加工过程中暴露，但其问题发生根源往往在源端业务系统。建立数据质量规则库，对中台数据持续进行质量稽核和监控，对问题进行归因分析并持续推动问题闭环管理是数据治理解决数据质量问题的手段。以中台数据为抓手，建立覆盖事前、事中、事后的数据质量管控机制，通过数据质量管理，推动企业内部业务数据和流程拉通，提高企业数据的可信度和价值。

3、保障数据安全的共享和应用

随着企业数字化转型工作的开展和推进，企业的数据价值越来越被企业所重视，数据在成为企业核心竞争力资源的同时，也被不法分子或行业竞争对手所关注。来自法律和政策的要求也越来越多，2021年6月，第十三届全国人民代表大会常务委员会第二十九次会议通过《中华人民共和国数据安全法》，企业除了对自身商业秘密，企业还对影响个人权益、国家安全的数据承担保护义务。

传统的信息安全思路，往往希望将数据放在一个封闭的环境中，而数据中台的建设则旨在数据的融合、开放和共享。基于此，实现更精细化的数据安全管控，建立以数据为中心的数据安全体系，是企业实现资产服务化的前提。