每个人都在谈数据治理，每个人都治理不好

谈起数据治理，大家第一反应应该就是 DAMA 的车轮图，这也是在数据行业里面“圣经”般的存在，不得不说一句话：关于数据治理，每个人都谈论却没人真正知道该怎么办，每个人都认为别人都在做，所以他们都说他们也正在做。

传统的数据治理通常是由业务需求发起的，针对不同的需求，对不同的数据进行治理或稽核，一般来说都是点状的，没有统一的规划，或者各个系统的研发规范不同，没有统一的规范来指导，给人的感觉是“数据沼泽”，这也是年年数据都要治理，年年数据治理不好的通病。

针对数据治理，通常说的数仓治理较多，目前数仓的定义是有“数仓之父”提出的，但是整个数仓的建设思想缺是维度建模的思想，是一种自上而下的思想，与架构进行类比，就是先做好子模块，最后做好顶层设计。数仓中也是有事实表加维度表组成，不过如果数据治理人员对业务领域不熟悉，一旦业务上发生了变动，一张业务事实表的变动，会让优化调整的工作更困难。

但是，当企业内业务高速发展或业务需求变动较大时，数仓建设人员也必须跟着需求场景来随时变动，毕竟企业关注的是价值，如果数仓短期体现不出价值，可能就活不到体现价值的那一天。所以一般的做法会以短期内稳定为目标，例如一个项目周期，当能满足业务场景后，再回头进行梳理及治理。总之，完美的方案通常并不存在，数据治理不仅仅是一个技术上的问题。