数据治理主要解决的问题：

  • 数据质量问题
  • 数据效率问题
  • 数据标准问题
  • 数据成本问题
  • 数据安全问题

数据治理 = 数据质量治理 + 数据资产治理

数据质量治理：

  1. 及时性
  2. 准确性
  3. 一致性

模型灵活性
数据一致性
元数据治理

物理表查询热度、资源消耗，查询密度等生产使用信息。

体系化数据治理

技术系统：

  1. 数据质量
    1. 统一数仓规范建模

  2. 数据管理
    1. 元数据管理
    2. 主数据管理
    3. 模型管理
    4. 数据资产管理
  3. 数据安全
  4. 数据成本
    1. 计算资源
    2. 存储资源
    3. 日志采集资源

数据质量：

  • 完整性
  • 一致性
  • 有效性
  • 准确性

华为数据之道

解决现有的数据质量问题，保证数据的完整性和时效性，

所有为提高数据质量而开展的业务、技术和管理活动都属于数据治理范畴。数据治理涵盖了从前端业务系统、后端业务数据库再到业务终端的数据分析，从源头到终端再回到源头，形成的一个闭环负反馈系统。
具体一点来讲，数据治理就是以服务组织战略目标为基本原则，通过组织成员的协同努力，流程制度的制定，以及数据资产的梳理、采集清洗、结构化存储、可视化管理和多维度分析，实现数据资产价值获取、业务模式创新和经营风险控制的过程。

项目介绍
通过数据治理项目的实施和落地，进行企业数据标准的管理，有效提升数据合法性、合规性，进一步提升数据质量，减少数据生产问题；在元数据管理的基础上，进行数据全生命周期管理，有效控制在线数据规模，提高生产数据访问效率，减少系统资源浪费；通过元数据和数据模型管理，将表、文件等数据资源按主题进行分类，可明确当事人、产品、协议等相关数据的主数据源归属、数据分布情况，有效实施数据分布的规划和治理。
工作指责：

  1. 负责设计数仓建模指南，制定数仓研发规范。统一了数仓模型分层，数仓表结构规范和数仓任务调度流程。
  2. 负责指标库项目管理和落地。制定指标规范（主要包括：指标开发规范、基础词根、公共维度、时间周期、指标修饰词、原子指标和衍生指标命名规范），实现了公司指标体系的统一。
  3. 负责重点应用保障项目和小时级别任务优化项目。实现了数据质量保障和数据安全管理。

参考资料：

  1. 美团配送数据治理实践
  2. 美团酒旅数据治理实践
  3. 怎么实现一个数据治理的项目