在大数据领域，数据治理可以说是高频次的出现，那么为什么需要数据治理？应该怎么来实施数据治理。
一、数据治理的背景
说起数据治理，往往会跟数据仓库进行对标，数据治理跟数据仓库是什么关系呢？一般而言数据仓库主要解决多源数据汇聚、存储和数据分析的问题，在数据仓库的体系中极少提到数据资产化的概念，那么数据治理在传统的数据仓库的基础上，更多的体现数据资产化的概念，所以数据治理的核心能力并不是有限的数据分析，而是数据价值的充分挖掘和体现。
那么数据治理为什么不叫数据管理呢？数据管理更多的是如何来管理数据，而数据治理更充分的体现数据的价值，通过一系列的治理活动来提升数据的价值，发挥数据应有的作用，使数据驱动应用。
另外，数据治理与当前比较火热的数据中台又是什么关系呢？我认为数据治理是数据中台的技术实现，通过数据治理的技术体系来建立数据中台。
综上所述，数据治理就是在数据爆发式增长的形势下，数据价值发挥越来越显得紧迫和重要，甚至可以说未来市场的竞争就是数据价值的竞争。所以只有建立完整的数据治理体系，才能保障数据内容的质量，才能真正有效的挖掘数据价值，提升竞争力。
二、数据治理的设计方法
这里就不长篇大论的描述数据治理的设计方案了，主要以关键点的方式来进行简要阐述。
首先我们要考虑数据治理的目标，其一对数据通过统一的视图进行管理；其二对多源数据进行标准化处理；其三数据资产化最重要的活动，数据价值挖掘的基础。
标准先行，一般来说需要事先制定“数据分类及编码标准”、“数据目录标准”、“数据项标准”、“数据安全标准”、“数据交换共享标准”；
依据标准建立数据目录管理功能，通过数据目录管理来落实数据分类编码、数据目录和数据项标准；
建立数据清洗规则，使数据目录与源数据表建立映射，数据项与源表数据项建立映射，通过ETL实现对源数据的清洗；
建立数据质量管理功能，按照数据目录定期检查数据的质量问题，并通过数据问题库来记录和跟踪数据的质量问题，从而达到持续改进数据治理的效果；
建立数据安全管理功能，数据安全主要通过三方面来实现，其一是数据加密、脱敏等技术，其二是数据权限，包括表级、行级和列级权限定义，其三对数据交换共享进行日志记录，并定时自动审计数据安全问题。
建立数据服务功能，一般都会提供通过文件、接口的方式来提供数据服务功能，按照数据安全标准对数据服务方式进行处理。
再强调一下ETL，支持通过表对接、文件、接口等方式归集数据，通过数据清洗规则对数据进行清洗转换的处理，从而加载到数据库中，我们用Hive来作为加载数据的数据仓库。
最后数据治理还有一些高级一点的功能，包括数据血缘、数据关联等分析的能力。
