痛点分析
工作涉及面广，难推动
传统数据治理模式涉及的企业部门、信息系统、数据类型等较多，工作开展牵扯面较大，特别依赖高层的意志和推动。
建设项目多，专业要求高
传统数据治理模式下，数据治理工作的开展需要通过一系列建设项目实现，承建厂商能力、各项目进度都会对治理结果产生影响。
实施周期长，人工依赖大
传统数据治理模式往往从基础工作开始，工作量巨大，且缺乏自动化的手段，大多依赖人工，整体实施周期很长，一般需要3年以上才能达到既定目标。
资源投入大，企业负担重
传统数据治理模式的建设过程需要企业投入大量的人力、资金以及软硬件资源，整体资源投入巨大，往往在企业整体投入中占比不菲。
协同要求高，掣肘众多
由于传统数据治理模式会涉及企业的方方面面，因此在实施过程中对企业内部各部门、各合作厂家的协同要求很高，否则无法达到预期。
价值显现慢，易被质疑
传统数据治理模式遵循IT视角的治理步骤，按部就班，在大量基础工作完成之前，很难看到业务价值，往往会造成里领导和业务部门的质疑，使工作半途而废。
解决方案
应用亮点
以业务感知切入
以核心业务场景为切入点，使数据治理与业务紧密结合，最大化数据治理的业务价值
量化可见成效
通过建立“指标”+“权重”的量化评价体系，直观展示数据治理成效，确保治理成效量化可见
“微创”式治理
精准、优先解决业务可感知的数据问题，目标聚焦。如同微创手术一样，创伤面小，治理阻力小但成效极其显著
标准化过程
标准化的数据治理过程和环节，最大程度将数据治理工作转变为程序化工作，从而实现如同工厂“流水线”一般的经验快速复制和落地见效。
