数据治理的核心是数据模型、数据质量、数据标准、主数据管理、数据生命周期、数据管理和数据安全。

　　1. 数据模型——做建模

　　首先，需要由业务人员提出业务需求，并描述业务需求所需的数据内容。

　　其次，通过业务人员及技术人员合作，根据业务对象抽象出数据概念，定义其描述、分类与关系。

　　然后，技术人员根据数据概念描述、分类，抽取出数据实体，并利用ER图描述其关系。

　　最后，技术人员针对数据库特性将数据实体物化为数据库表，支撑实际应用。

　　2. 数据质量——做清洗

　　由于互联网及通信技术的飞速发展以及数据量的爆发式增长，各类数据也大规模增长，然而，其中无效数据同样也将大幅度增多，这就要求企业需要对数据质量进行限制。依据相关规范对数据质量即数据的及时性、完整性以及准确性进行限制，详细地通过事前防范、事中监控、事后管控3个时间段进行监督。

　　3. 数据标准——做统一

　　根据已确定的企业核心逻辑数据模型，将模型中的数据项抽取出来。然后根据预定的业务数据项筛选方法，筛选出需要进行业务定义的数据项。

　　再根据业务对所筛选出的业务数据项进行分类，产生用于通用数据标准及公共代码定义的数据标准项清单。而具体的通用数据标准的制定包括定义工作目标、流程、及模版，其分类标准则根据数据在业务中的使用频度和业务需求，参考业界模型，通过汇总分析，对通用数据进行分类，形成统一的数据标准在数据层面的定义，并以数据项自然分类为基础，对数据进行分类。

　　4. 主数据清理——做编码

　　主数据是描述核心业务实体的数据，是企业内跨业务重复使用的数据，存在于多个异构的应用系统中，是关键数据，而不是全部数据；是操作性数据，动态参与业务流程，而不是静态数据。

　　在企业中主数据是全员共享，全员服务的重要数据，与其他数据分离，作为单独的部分进行管理。

　　5. 数据生命周期——做管理

　　数据的生命周期包括数据创建、数据使用、数据归档、数据销毁4个阶段。

　　而数据在生命周期内有效则可以满足业务操作和管理分析的需要；满足对历史数据查询相关政策和管理制度的要求；满足审计管理要求；减少数据冗余，提高数据一致性；减少存储、硬件、运维等方面基础设施投入；提升应用系统性能，提高响应速度。因此，数据生命周期的管理必不可少。

　　首先，在数据创建阶段，要求利用数据模型保证数据完整；执行数据标准保证数据准确；加入数据质量检查创建准确；保证数据在合理的系统生成。

　　其次，在数据使用阶段，要求利用数据监控数据使用；利用数据标准保证数据准确；利用数据质量检查加工准确；确保数据在合理的系统使用；控制数据的派生。

　　然后，在数据归档阶段，要求利用评估手段保证归档时机；分数据类型归档数据。

　　最后，在数据销毁阶段，要求利用评估手段保证销毁时机；分数据类型销毁数据。

　　6. 数据清理——做规格

　　数据是数据仓库的灵魂，它不仅提供了数据仓库中数据结构的逻辑层，也提供了数据仓库的构建和使用规则。

　　为了使数据仓库中各个软件能够无缝地合作，必须在数据层进行有效的集成。所以，研究数据的作用与意义相当重要.数据是关于数据的数据，即是对数据资源的描述，按其描述对象的不同可以分3大类：技术数据、业务数据和管理数据。

　　7. 数据安全——做防范

　　数据治理的一个重要作用是保障数据的安全。应该从企业级、体系化视角开展数据安全管理顶层设计。

　　数据统一分类分级后，通过数据鉴权来控制某一类数据可以被哪些系统调取，可以被哪些人员查看，可以被哪些部门共享，对不符合权限的对象进行限制，有效的防止数据泄露风险。