在企业数据中台体系建设过程中，数据治理，是避免不掉的课题，如果从数据治理的不同语境上看，数据治理可分为宏观语境下的数据治理与微观语境下数据治理。
从宏观语境上看，企业级的数据治理，是一项持续的，系统性的工程，包括数据战略，数据治理架构，组织与保障体系，运营机制，技术与工具等。
尽管很多企业意识到数据是企业的核心资产，但由于数据治理投入大，在短期内很难看到成效，而且数据要在交易过程中才能变现，而在内部流通的过程中却不能折算成财务意义上的价值，因此其在企业内的价值无法体现在财务报表上。
所以在实际业务中，企业是不可能，先让数据治理经过漫长的周期，然后再去使用，往往是在现有资源的配置下，秉承急需先行的原则，小步快跑，持续迭代的节奏，不断优化运营，按照螺旋上升模型的路径实施。
而技术与工具体系建设这一环节，作为企业数据治理中的一环，是数据治理工程中，从小处着手的领域，也是最快能让能让企业感知到感知到数据资产价值的一块。
因此，一般我们所说的数据治理，往往指代微观语境上的数据治理，即企业数据中台体系的建设，更多偏向于宏观角度中的，技术与工具体系这一环节。
作为数据产品经理，无论是宏观语境还是微观语境下的场景，都在企业进行数据体系建设中，承担着重要的角色，所以也需要我们对数据治理，有一些基本的理论了解，做到知其然，亦知其所以然。本文集中于宏观角度，梳理出，著名的几个数据治理体系框架。
国际标准
国际上比较有名、接受度较高的理论体系的提出者有：DAMA（Data ManagementAssociation，国际数据管理协会）、CMMI（Capability Maturity ModelIntegration，软件能力成熟度模型集成）研究所。
DAMA（国际数据管理协会） 数据治理体系框架
DAMA从数据治理生命周期角度对数据资产的管理行使权力和控制的活动（规划、监控和执行）进行了重点研究。定义了数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理、数据质量管理这10个领域，以及目标和原则、活动、主要交付物、角色和职责、技术、实践和方法、组织和文化这7个环境因素，为数据管理提供了完整的结构体系。
CMMI-DMM数据治理体系框架
CMMI研究所推出的DMM（Data Management Maturity，数据管理成熟度模型），帮助企业组织改善他们整个业务领域的数据管理实践。DMM模型由五大核心过程域和一套支撑流程组成，五大核心过程域包括：数据管理战略、数据治理、平台和架构、数据运营、数据质量。DMM可为公司组织提供一套最佳实践标准，制订让数据管理战略与单个商业目标相一致的路线图
五大核心过程
20个数据管理过程域
企业的数据管理能力提出5个层次
国内标准
在数据治理框架和标准体系的研究方面，国内起步相对较晚，目前主要有ITSS和DCMM两个标准。
DCMM数据治理体系框架
DCMM参考了DAMA发布的DMBOK中的先进经验和方法，并结合了国内数据管理整体的水平和现状，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出形成数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生命周期8个核心领域 及28个过程域，重点关注数据的管理过程和方法，是国内企业进行数据管理的一个参照型标准。
DCMM体系的特点是更加符合中国的数据治理现状，如在体系中增加了数据战略、数据标准等核心领域。
8个核心领域
28个过程项
5个发展等级的划分
ITSS数据治理框架
国家标准化管理委员会，发布的《信息技术服务治理第5部分：数据治理规范》国家标准的制定。提出了数据治理的总则和要求，为企业数据治理体系的建设提供了参考。
结语
从上文，可以看出，数据治理的理论在业界并没有一个统一的标准，不同的组织根据自身的理论研究和实践经验，提出了各有侧重的理论体系。对这些治理体系，有一些基本了解，也有助于企业在实施数据治理的工程上做实施参考。
