數據治理必須涵蓋數據的整個生命周期，從數據收集一直到數據管護。在這個生命周期中，數據治理的關鍵方法一般有7個。

數據模型——做建模
首先，需要由業務人員提出業務需求，并描述業務需求所需的數據內容。其次，通過業務人員及技術人員合作，根據業務對象抽象出數據概念，定義其描述、分類與關系。技術人員根據數據概念描述、分類，抽取出數據實體，并利用ER圖描述其關系。
最后，技術人員針對數據庫特性將數據實體物化為數據庫表，支撐實際應用。

數據質量——做清洗
由于互聯網及通信技術的飛速發展以及數據量的爆發式增長，各類數據也大規模增長，可依據相關規范對數據質量即數據的及時性、完整性以及準確性進行限制，詳細地通過事前防范、事中監控、事后管控3個時間段進行監督。

數據標準——做統一
根據已確定的企業核心邏輯數據模型，將模型中的數據項抽取出來。然后根據預定的業務數據項篩選方法，篩選出需要進行業務定義的數據項。再根據業務對所篩選出的業務數據項進行分類，產生用于通用數據標準及公共代碼定義的數據標準項清單。
而具體的通用數據標準的制定包括定義工作目標、流程、及模版，其分類標準則根據數據在業務中的使用頻度和業務需求，參考業界模型，通過匯總分析，對通用數據進行分類，形成統一的數據標準在數據層面的定義，并以數據項自然分類為基礎，對數據進行分類。

主數據清理——做編碼
主數據是描述核心業務實體的數據，是企業內跨業務重復使用的數據，存在于多個異構的應用系統中，是關鍵數據，而不是全部數據；是操作性數據，動態參與業務流程，而不是靜態數據。
在企業中主數據是全員共享，全員服務的重要數據，與其他數據分離，作為單獨的部分進行管理。

數據生命周期——做管理
數據的生命周期包括數據創建、數據使用、數據歸檔、數據銷毀4個階段。而數據在生命周期內有效則可以滿足業務操作和管理分析的需要；滿足對歷史數據查詢相關政策和管理制度的要求；滿足審計管理要求；減少數據冗余，提高數據一致性；減少存儲、硬件、運維等方面基礎設施投入；提升應用系統性能，提高響應速度。因此，數據生命周期的管理必不可少。

數據清理——做規格
數據是數據倉庫的靈魂，它不僅提供了數據倉庫中數據結構的邏輯層，也提供了數據倉庫的構建和使用規則。
為了使數據倉庫中各個軟件能夠無縫地合作，必須在數據層進行有效的集成。所以，研究數據的作用與意義相當重要.數據是關于數據的數據，即是對數據資源的描述，按其描述對象的不同可以分3大類：技術數據、業務數據和管理數據。

數據安全——做防范
數據治理的一個重要作用是保障數據的安全。應該從企業級、體系化視角開展數據安全管理頂層設計。
數據統一分類分級后，通過數據鑒權來控制某一類數據可以被哪些系統調取，可以被哪些人員查看，可以被哪些部門共享，對不符合權限的對象進行限制，有效地防止數據泄露風險。
以上就是數據治理的7大關鍵方法，數據治理工作的實施落地，另一個方面就是人才，只有更專業的數據治理人才才能面對瞬息萬變的時代。
想要了解更多關于dama資訊信息，請關注中培偉業金老師二維碼：