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。
在数据中心平台过程中，数据治理作为数据资产形成的早期工作，是数据平台建设质量和成果评价的关键。因此，企业有必要了解数据治理的三个误解，避免走弯路。
1.数据治理能在短期内有效。
数据治理的第一个误解是，数据治理可以在短期内有效。
数据治理是一项长期而复杂的工作，是数据中心平台建设过程中最基本、最重要的一步。大多数情况下，经过多次集成、清洁和收集，数据治理似乎已经取得了初步的成果，但在应用业务中，数据不能真正实现，更不用说推动业务了。可以看出，企业在数据治理过程中存在一些误解，这将使数据治理过程漫长，效果不佳。造成这种现象的原因之一是企业缺乏数据管理，对数据实现价值有期望，但不清楚如何智能管理数据。
面对这种情况，企业可以通过小型数据应用项目全面安排数据架构、数据质量和数据处理能力，为以后的真实数据处理提供依据。在清楚地探索数据情况后，专业的数据中心服务提供商可以制定切实可行的数据处理方案，指导技术人员与业务人员合作，缩短数据处理的有效时间。
2.数据治理是技术部门的事。
数据治理的第二个误解是，数据治理和中间平台架构建设是技术部门的问题，与业务人员和企业管理无关。
企业数字化转型是组织、业务、技术等部门的战略变革。数据中心平台建设的最终目标是实现业务，为数据实现提供动力。技术人员长期以来一直专注于提高技术能力，缺乏对业务需求和痛点的把握。不考虑业务需求的中间平台建设将走出源头。没有企业中间平台战略的资源支持，数字化转型仅由技术部门推动，数字化转型不足，容易导致转型中途死亡。
数据本身是由业务产生的，数据质量的提高离不开业务的发展。业务领域多，数据源渠道多，统一数据口径需要先统一业务术语;业务需求多，数据报表不完善会导致基础数据采集错误。因此，企业数据治理涉及的部门必须覆盖业务部门、技术部门甚至管理层的多维组织结构，才能真正实施数据治理。
3.数据处理是一种简单的工具配置和叠加。
数据治理的第三个误解是，企业认为数据治理只是一个简单的工具配置和叠加。
一些企业可能认为，通过治理工具简单地清洗数据，数据将清晰、干净。事实上，数据治理包括组织结构调整、治理过程制定、工具配置、现场技术人员实施、业务部门协调等。人员调用和安排是数据治理的前提，只有专业、合适的人员才能真正发挥作用，只有明确的行动指令和实施过程，企业数据治理才能有效。
如何避免数据治理过程的误区.中琛魔方大数据平台表示数据治理强调的是一个过程，是一个从混乱到有序的过程。从范围来讲，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。从目的来讲，数据治理就是要对数据的获取、处理和使用进行监督管理。
