特定的背景和不同的驱动力：
高层对低质量的数据表现的感知疼痛，对数据治理巨大价值的认知
业务模式： 对内 2B 2C 数据去驱动流程效率的提升 生产力的发展最终还会受制于生产关系
数据规模： 海量数据的存储和分析压力-有没有？
数据确权：流程管理体系 人事组织体系 企业文化体系 企业制度体系
人才队伍：懂技术，懂业务的数据管理的专业队伍
数据源：数据采集的全面性
数据应用：数据的生命周期管理 多维数据分析
架构： 企业级信息架构 部门级信息架构
数据工作框架-企业级信息架构
数据源：
数据源数字化，数据采集
数据源创建、读取、更新、删除
数据底座
数据湖： 数据交换层+数据处理层
主题关联：基础模型、融合模型及洞察主题
数据消费：数据处理层的分析引擎+ 数据应用应用层
数据治理： 数据资产管理 计算资源管理 存储资源管理
数据治理融入IT实施中
数据分类
1.数据分类：
内部数据和外部数据
非结构化数据和结构化数据
01. 结构化数据：
观测数据：观测工具
软感知数据
硬感知数据
基础数据
主数据
事务数据
报告数据
规则数据
02.非结构化数据：需要智能化的IT技术支持
管理对象的标题 格式 等基本特征和定义
对数据内容的客观理解进行管理：标签 ，相似性检索 相似性连接
治理核心： 对其基本特征与内容进行提取，并通过元数据落地进行开展
2.治理： 元数据
技术元数据
业务元数据
操作元数据
本书结构：
综合治理体系、
数据分类
信息架构、
数据湖和数据主题联结-数据底座
数据消费
数据质量和数据安全
问题：
额外的人工转换和翻译，这极大增加人工成本，延长业务执行周期