理解数据需要通过深入了解范围内的每个数据源以及它们之间的关系开始。当前对于大多数组织，数据查询和分析流程手动，需要人工干预来查询业务对象、敏感数据、跨源数据关系和转换逻辑。结果是一个耗时且容易出错的流程，减缓了价值实现时间。数据治理团队需要及时理解数据，以推动从更广泛地以数据为中心来获取业务价值。以下是“理解数据”步骤的步骤：
第一，数据治理团队需要理解范围内的每个数据源。
在数据治理和分析的过程中，理解范围内的每个数据源是至关重要的。以下是一些关键步骤，可以帮助我们更好地理解和利用这些数据源。
首先，我们需要进行列和表级别分析。数据查询包括列分析和主-外键分析。列分析包括有关数据源中每一列的基本统计数据。通过查看列名、数据类型、约束条件等，我们可以了解每个列所代表的含义和数据的特征。
接下来，我们需要掌握数据主-外键关系。通过查询主-外键关系，我们可以确定不同表之间的关联方式。主键用于唯一标识每行数据，而外键用于建立表之间的引用关系。通过查找和分析这些关系，我们可以发现数据之间的依赖和交互。例如，一个客户表可能与订单表通过客户 ID 建立外键关系，这意味着每个订单都与特定的客户相关联。了解这些关系可以帮助我们进行数据集成、关联分析和构建全面的数据视图。
其次，需要识别每个来源中的关键数据元素的位置。查看数据结构：看看每个数据源的表格、文档或者其他存储方式，了解数据的组织结构。寻找标识符：有些数据元素可能有特定的标识符，比如唯一的编号或者特定的标记，这些可以帮助我们快速找到它们。与业务需求相联系：想想我们的业务流程和目标，哪些数据元素是与之相关的，就能更有针对性地找到它们的位置。
最后，识别每个来源中的敏感数据的位置。通过数据分类分级：确定哪些类型的数据是敏感数据，例如个人身份信息、财务数据、商业机密等；通过数据映射：将敏感数据与特定的数据源、数据库表或文件进行关联，以便快速找到它们的位置。
第二，数据治理团队需要理解每个来源之间的关系。
数据治理团队不仅理解数据在数据库中的存在方式，也要理解在移动和从一个来源传输到另一个来源时的数据血统联系。数据血统联系可以理解为数据在移动和传输过程中的“家族谱系”或“来源路径”，展示了数据是如何从一个来源流转到另一个来源的。为了更好地理解和管理数据血统联系，可以采用数据治理工具、数据流程图、元数据管理等方法。这样可以更好地掌握数据的流动和变化。
最后，通过对数据的深入理解，数据治理团队可以更好地制定数据治理策略，提高数据的利用效率，为组织的发展提供有力支持。
