城市供水是对水从源头到龙头的全生命周期管理，而数据治理是对数据从采集、清洗、转换、保护到应用的全生命周期管理，水之于城市，数据之于企业，有非常多的相似之处，本文以水务人最熟悉的视角解读数据治理——数据如水。
城市供水是对水从源头到龙头的全生命周期管理，而数据治理是对数据从采集、清洗、转换、保护到应用的全生命周期管理，水之于城市，数据之于企业，有非常多的相似之处，本文以水务人最熟悉的视角解读数据治理——数据如水。
遍布城市中的供水管网，将取自于不同源头的水，统一配送至千家万户，无论是在生产还是生活中，人们也早已习惯随时随地打开水龙头就能得到源源不断的清洁水，为了给市民提供更优质、更方便、更安全的用水服务，水务企业整合分散的供水设施，进行 源-厂-站-网-二供-用户一体化运营 ，由单一运营向体系化运营转变，支撑精准控制、高效运营。
同样，水务企业建立了 多个独立的信息化系统 ，如何打破现有信息化系统所形成的信息孤岛，拆掉信息化建设中的“烟囱”，让沉睡的数据发挥价值，成为水务企业在数字化转型过程中所面临的迫在眉睫的问题，而 数据治理是当下水务企业实现整合多方数据，提升数据质量，保护数据安全，挖掘数据价值的最佳解决方案 。
1. 水的形态VS数据的分类
2. 水的来源VS数据的来源
3. 制水过程VS数据ETL
4. 分过程供水管理VS数据分层级治理
5. 水质检测VS数据质量检查
6. 优质的水VS高价值的数据
标准统一
制定数据标准，统一数据口径 ，确定权威数据，保证各业务部门和信息化系统获取到口径一致的数据，就像打开水龙头，里面流出的都是优质的水。
数据流动
所谓流水不腐，数据必须像水经过取水、制水、输水、用水流动起来、循环起来，在业务部门之间充分共享、在 企业内外部双向交互才能更好地发挥数据价值 ，哪怕是企业里面闲置的、准备丢弃的数据，只要让它流动起来，流到其他部门或系统中，很可能就会产生新的价值。
注重质量
在大数据背景下，为了充分发挥出数据的价值，让数据有效共享，并在大数据分析和挖掘中得到很好的使用，对数据质量有了更高的要求。为提升数据质量，需要定期对数据进行质量检查，就像定期进行水质检测一样， 发现质量问题，及时修正，并反馈给源头进行整改，形成数据质量质量检查提升的循环。
方便获取
建立大数据中心，汇聚“源、制、供、用、排、污”全链条数据 ，含结构化、非结构化、音频、图片、视频等多源异构数据，形成统一集中的数据资源中心，打开电脑、手机即可获取到高质量的数据，使各部门如同从水龙头获取水般的方便地获取、使用数据。
数据治理的概念比较抽象，并且没有一个直观的成果展示，因此数据治理工作容易被水务企业忽略，就像市民很方便打开水龙头就有水喝，却很难想到背后有一个庞大的供水系统在支撑。
数据治理体系如同城市供水系统一样，是一项需要长期持续不断完善的系统工程，既要包含数据存储、管理、应用的相关软硬件平台的建设和维护，也需要配套相应的管理制度、流程、人员，建立一个长效机制来保证数据治理持续进行，真正发挥出数据治理在水务企业数字化转型过程中的基础性作用。
