数据治理是一个复杂的系统工程，涉及到企业和单位多个领域，既要做好顶层设计，又要解决好统一标准、统一流程、统一管理体系等问题，同时也要解决好数据采集、数据清洗、数据对接和应用集成等相关问题，这时就要注意以下方面：
1.跨组织的沟通协调问题
数据治理是一个组织的全局性项目，需要IT部门与业务部门的倾力合作和支持，需要各个部门站在组织战略目标和组织长远发展的视角来看待数据治理。因此，数据治理项目需要得到组织高层的支持，在条件允许的情况下，成立以组织高层牵头的虚拟项目小组，会让数据治理项目事半功倍。
2.投资决策的困难
组织的投资决策以能够产生可预期的建设成效为前提，但往往综合性的数据治理的成效并不能立马体现，它更像一个基础设施，是以支撑组织战略和长期发展为目标，所以，导致此类项目无法界定明确的边界和目标，从而难以作出明确的投资决策。
3.工作的持续推进
数据治理是以支撑组织战略和长远发展为目标，应当不断吸收新的数据来源，持续追踪数据问题并不断改进，所以数据治理工作不应当是一锤子买卖，应当建立长效的数据改进机制，并在有条件的情况下，尽量自建数据治理团队。
4.技术选型
这几年随着大数据的发展，有针对传统数据库的，有针对大数据数据库的，再加上组织对自身数据资产情况没有一个清晰的认识，这也就导致了数据治理的技术选型困难。
数据被认为是当今时代企业的核心资产，具有很高的价值。然而，数据本身并没有什么价值，或者说数据本身不会自动产生价值。
一般来说，数据价值变现的方式有两种，一种是通过数据治理将数据资源转化为数据资产，再把数据资产链接到提供数据资产交易的平台上进行交易，让数据资产具有直接变现的能力；第二种是通过数据治理实现数据资产的汇集和预处理，在通过基于场景的算法将数据应用到业务中去，让数据产生洞察力，为管理和业务的创新提供支撑，让数据具备间接变现的能力。
但以上两种方式都离不开数据治理，数据治理则是保障数据质量和实现数据价值的基础，其目的是输出高质量数据，并保证数据使用过程中的安全合规。
除此以外，我们还需要注意数据治理是一个持续性的服务，而不是一个有着明确范围的一锤子买卖。不能只依靠发现问题之后去处理，更应有前瞻意识，时刻保持监督与检查。我们唯一能做的是根据业务发展和产品迭代状况，及时调整数据治理的规则。
