IT應用類型、數據源、數據分析方法不斷增加，數據治理進入了一個新的變革和發展階段。面向大數據的數據治理，應該具有更高的能動性，需要跟上更快的IT環境變化速度，做出積極的反應?？梢哉f，在新的發展階段，
數據治理的各項要求將變得更加具有挑戰性。
大數據治理必須跟蹤跨多個平臺的數據訪問和使用情況，并減輕數據使用不當造成的風險。在大數據環境中，驗證數據源并確保數據質量和數據完整性成為一個巨大的挑戰；此外，海量數據的存儲、如何最大化數據處理效率、保證數據可靠性與安全性也更具難度。
一、數據治理的定義
DGI（數據治理研究院）認為，數據治理是指一個通過一些信息相關的過程來實現決策權分配和職責分工的系統，這些過程按照一些達成共識的模型來運行，這些模型描述了誰，根據什么信息，在什么時間和情況下，用什么方法，采取什么行動。
IBM認為，數據治理是指一個質量監控規范，它將嚴密性和紀律性植入組織的信息管理、使用、改進和保護過程中。通過促進跨組織合作和結構化決策，有效的數據治理能夠提高一個組織的數據質量、可用性和完整性。
二、數據治理面臨的挑戰
1、缺乏有效管理機制
許多企業嘗試通過生產系統的業務流來控制數據流，但由于缺乏有效的管理機制和某些人為的因素，比如平臺間數據標準不一，缺少全局規范文檔，信息無法對接應用等，在數據流轉過程中，導致了大量的垃圾數據。以外，數據產權不明確，管理職責混亂，管理和使用流程不清晰，也是造成數據質量問題的重要因素。
2、存在數據安全隱患
近年來，隨著大數據的發展，諸如此類的數據安全事件多不勝數。數據資產管理上，正在由傳統分散式的人工管理向計算機集中化管理方向發展，數據的安全問題愈來愈受到人們的關注。
3、數據質量參差不齊
現在，企業越來越重視管理數據資產，但其實并不是所有數據都是數據資產，數據中也有垃圾數據。由于企業各個業務系統或模塊都是按照各自的需要錄入數據，業務系統不需要的信息就不錄，沒有統一的錄入工具和數據出口，造成同樣的數據在不同的系統有不同的屬性信息，數據完整性無法得到保障。
4、IT系統孤島化，數據流通受阻
目前，大多數企業的信息化建設初期缺乏整體規劃，大多都是以業務部門驅動的單體架構系統或套裝軟件，數據分散在這些架構不統一、開發語言不一致、數據庫多樣化的系統中，導致在企業內部形成了一個個的“信息孤島”。
三、數據治理與數據管理的區別
1、數據治理
數據治理面對的更多是戰略層面、組織層面、制度層面的事務，是確立“什么樣的決策需要在什么層級制定”。所以，數據治理是一個相對高階的概念。對應的是一個“數據治理委員會”級別的機構，由這個委員會來建立數據治理的整體組織架構，定義責任主體，落實工作機制。
2、數據管理
數據管理是操作和實施層面的概念，是通過一系列實際落地的辦法去實現“治理”目標的具體過程。數據管理對應的是一個以“數據管理部”級別的職能部門+各個相關職能部門的矩陣化組織。通過內建組織機構和工作機制，有牽頭、有配合、有主責、有落實，在各自的職能領域去完成數據管理的具體任務，包括企業級層面的數據標準化、數據資產管理，業務領域層面的數據規范化、數據質量改進等等。
四、數據治理方法
第一階段，梳理企業信息，構建企業的數據資產庫。首先要清楚企業的數據模型、數據關系，對企業資產形成業務視圖、技術視圖等針對不同用戶視角的展示。
第二階段，建立管理流程，落地數據標準，提升數據質量。從企業角度梳理質量問題，緊抓標準落地。
第三階段，直接為用戶提供價值。本階段依賴于前兩個階段的建設，為用戶提供方便的獲取數據的途徑。
第四階段，為企業提供數據價值。通過多種手段對多種來源的數據進行分析，形成企業知識圖譜，體現數據的深層價值。
