在傳統數據平臺階段，數據治理的目標主要是控制和建立數據部門新的治理工作環境，包括標準和質量。數據中期，用戶對數據的需求持續增長，用戶範圍從數據部門擴展到整個企業。數據治理不能再只是針對數據部門，需要成為整個企業用戶的工作環境。它需要以整個企業用戶為中心，從為用戶提供服務的角度出發，管理好數據，為用戶提供自主獲取大數據的能力，從而幫助企業完成數字化轉型。
通過分析數據治理實際發展中的壹些問題，我們總結了數據治理的幾個關鍵要素:
1)數據治理需要系統建設:要發揮數據在臺灣的價值，需要滿足三個要素:合理的平臺架構、完善的治理服務、系統化的運營手段。
根據企業規模、行業、數據量等選擇合適的平臺架構。治理服務需要貫穿數據的全生命周期，保證數據在采集、處理、共享、存儲、應用全過程的完整性、準確性、壹致性和有效性；運營手段應包括規範、組織、平臺、流程的優化。
2)數據治理需要夯實基礎:數據治理需要循序漸進，但在數據中心建設初期至少需要關註三個方面:數據規範、數據質量和數據安全。
標準化的模型管理是保證數據可管理的前提，高質量的數據是數據可用的前提，數據安全管理是數據可交換的前提。
3)數據治理需要IT賦能:數據治理不是壹堆規範性文件，而是治理過程中產生的規範、流程、標準需要放到IT平臺上，在數據生產過程中以向前的方式進行數據治理，避免後期審核帶來的運維成本增加
4)數據治理需要以數據為中心:數據治理的本質是管理數據，因此需要加強元數據管理，填寫數據的相關屬性和信息，如元數據、質量、安全、業務邏輯、血緣關系等。應該以元數據驅動的方式管理數據生產。
5)數據治理需要建設和管理的融合:數據中心數據模型血緣和任務調度的壹致性是建設和管理融合的關鍵，有助於解決數據管理和數據生產不壹致的問題，避免“兩張皮”的低效管理模式。
數據管理軟件:工欲善其事，必先利其器。
目前業內流行的數據治理軟件，也稱為數據資產管理產品和數據治理產品，主要包括元數據管理工具、數據標準管理工具、數據模型管理工具、數據質量管理工具、主數據管理工具和數據安全管理工具。這裏壹定要推薦宜信華辰-銳智的壹站式數據治理管理平臺，打通數據治理的各個環節。
企業使用宜信華辰數據治理平臺解決不同來源數據整合過程中遇到的問題，可以提供統壹的元數據整合、數據標準管理、數據模型設計、數據質量審計、數據資產目錄、數據分析服務等能力。
數據治理的過程需要確定壹個短期的工作目標，但這並不壹定意味著當這個場景中的問題得到解決時，數據治理就應該停止。當數據治理項目啟動時，它應該被認為是壹輛不可阻擋的列車。只有壹路向前，企業的業務才能不斷優化，達到內部各部門協同工作的最優狀態，最終各部門對公司或職能部門的業務目標形成壹致的認識，從而使各自的子工作目標得到確認和有效執行。這個過程也是構建數據驅動的企業決策和業務運營數字化的典型過程。
數據治理仍然是壹項服務性很強的工作，需要有明確的服務能力保障，不僅要從實時交付，還要有無時無刻陪伴用戶的意識和能力。