定义：数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的标准来执行，该标准描述了谁能根据什么信息，在什么时间和情况下，用什么方法，采取什么行动。

数据治理的目的：提升数据的价值，实现企业数字战略，优化企业管理体系，包括组织、制度、流程、工具。

数据治理范围：数据治理涵盖了从前端事务处理系统、后端业务数据库到终端的数据分析，从源头到终端再回到源头形成一个闭环负反馈系统。对银行业来说主要包含渠道类系统、业务类系统、管理类系统和支持系统等内部系统的数据，治理以及使用和监管。

数据治理存在的难点：

1、缺少数据治理认知

数据治理是一项庞大又复杂的工程，需要企业高层牵头、中层组织、基础落实，各部门相互配合尤其是科技部门与业务部门和相互配合才能最终高质量的完成数据治理工作。

2、缺少完善的制度管理

随着数据治理工作越来越被重视，企业内部已离不开一个数据治理职能组织。目前多数据银行的数据治理工作由科技部牵头，其他部门参与度较低。从数据产生和使用来看，业务部门是数据产生、和使用最主要部门。

3、缺少数据治理管理流程以及责任制

由于银行现有系统很多，部分银行有上百个系统，银行数据分布在这些不同的系统供不同部门使用，导致夸系统、夸部门数据治理沟通成本高、协调难度大。在数据治理时通常是治理本系统数据，对通用数据共享数据多系统融合数据，治理较差，数据的复用、共用性较差。管理不到位、责任不明确，对数据治理的重要性必要性认识不够。

4、缺少数据治理的管理标准体系

缺少企业级别数据标准、元数据管理体系、数据质量管理体系、数据生命周期管理体系、以及完善的系统支撑和技术手段。

数据治理的主要内容：

1、数据标准

数据标准是银行建立的一套符合自身实际，涵盖定义、操作、应用多层次数据的标准化体系。它包括基础标准和应用标准。与数据治理其他核心领域具有一定的交叉，比如元数据标准、数据交换和传输标准、数据质量标准等。商业银行的数据标准一般以业界的标准为基础，如国家标准、监管机构（如国家统计局、中国人民银行、工信部）制定的标准，结合银行本身的实际情况对数据进行规范化，一般会包括格式、编码规则、字典值等内容。

2、元数据

元数据分为业务元数据、技术元数据和操作元数据，三者之间关系紧密。业务元数据指导技术元数据，技术元数据以业务元数据为参考进行设计，操作元数据为两者的管理提供支撑。

3、数据模型

数据模型是数据治理中的重要部分，合适、合理、合规的数据模型，能够有效提高数据的合理分布和使用，它包括概念模型、逻辑数据模型和物理数据模型，是数据治理的关键重点。

4、数据分布与存储

数据分布和存储主要涵盖了数据如何划分和存储，总行系统以及总分行数据如何分布，主数据及参考数据如何管理。只有对数据进行合理的分布和存储，才能有效的提高数据的共享程度，才能尽可能的减少数据冗余带来的存储成本。

5、 数据交换

数据交换是银行进行数据交互和共享的基础，合理的数据交换体系有助于银行提高数据共享程度和数据流转时效。一般商业银行会对系统间数据的交换规则制定一些原则，比如对接口、文件的命名、内容进行明确，规范系统间、银行系统与外部机构间的数据交换规则，指导数据交换工作有序进行。

6、数据生命周期管理

从数据的产生、加工、使用乃至消亡都应该有一个科学的管理办法，将极少或者不再使用的数据从系统中剥离出来，并通过可靠的存储设备进行保留，不仅能够提高系统的运行效率，更好的服务客户，还能大幅度减少因为数据长期保存带来的储存成本。数据生命周期一般包含在线阶段、归档阶段、销毁阶段三大阶段，管理内容包括建立合理的数据类别，针对不同类别的数据制定各个阶段的保留时间、存储介质、清理规则和方式、注意事项等。

7、数据质量

数据质量管理已经成为银行数据治理的有机组成部分。高质量的数据是商业银行进行分析决策、业务发展规划的重要基础，只有建立完整的数据质量体系，才能有效提升银行数据整体质量，从而更好的为客户服务，提供更为精准的决策分析数据。

8、数据安全

银行的重要且敏感数据大部分集中在应用系统中，例如客户的联络信息、资产信息等，如果不慎泄露，不仅给客户带来损失，也会给商业银行带来不利的声誉影响，因此数据安全在数据管理和治理过程中是相当重要的。

9、数据共享服务

数据的管理和治理是为了更好的利用数据，是数据应用的基础。银行应该以数据为根本，以业务为导向，通过对大数据的集中、整合、挖掘和共享，实现对多样化、海量数据的快速处理及价值挖掘，利用大数据技术支持产品快速创新，提升以客户为中心的精准营销和差异化客户服务能力，增强风险防控实时性、前瞻性和系统性，推动业务管理向信息化、精细化转型，全面支持信息化银行的建设。