为了数字化转型的成功，企业需要高质量的数据，而数据质量的提升离不开数据治理。
数据治理是一个庞大的概念，是管理体系、技术体系、质量体系及安全体系的结合。
数据治理的技术体系是实施治理的基础，没有技术体系，数据治理无从谈起。
那么数据治理的技术体系包括哪些内容呢？我自己梳理了一下，仅代表个人观点。
数据分类方法
比如数据分为：主数据、业务数据、指标数据、基础数据等；
主数据又分为：组织、人员、产品、物料、供应商、客户等；
物料主数据又分为：塑料、五金、电子、标准件、化工品等
数据分层指南
企业要决定对数据的分层管理是系统还是按业务进行分层。
举例：按业务领域，将数据分为如下5层管理结构
一级业务域、二级业务域、业务对象、对象组件、数据项
业务术语管理
防止业务术语同名不同义而造成的误解和效率损失
数据编码规范
数据编码是数据管理的重要基础，每个数据唯一的编码，是识别数据的依据
数据模型设计规范
明确企业内部的数据模型规范，包括如何从概念模型、逻辑模型演进到物理模型，通过数据模型，可以更加清晰地梳理业务需求、指导技术开发。
数据源认证规范
明确数据在企业内的唯一发布源头，形成一个数据、一个源头、多方引用的管理方式。
数据资产目录
根据数据分类方法、数据分层指南、数据编码规范及数据源认证规范等相关技术文件，通过数据盘点，制定企业的数据资产目录。
有了数据资产目录，企业才可能“按录索数”，找到自己需要的数据
数据标准模型
根据数据资产目录，按数据分类方法，对每一类数据明确定义数据标准的组成项，及其公共填报要求。
数据标准体系
根据数据标准模型，对每一个数据制定相应的数据标准，并在数据管理过程中按标准严格执行。
数据质量维度
确定数据质量维度，以便对数据质量状况进行统计分析。
数据质量维度包括：准确性、有效性、唯一性、一致性、完整性等。
数据质量规则
依据数据标准及数据质量维度，对每一个数据制定其相应的数据质量规则。
比如人员主数据，我们就需要建立一系列数据质量规则：
1、人员的编号是必填项，不得为空；
2、人员的编号必须是唯一的，不得重复；
3、人员的编号必须符合相关的人员编号管理规范的要求；
4、人员的姓名是必填项，不得为空；
5、人员的中文名必须是中文的，不能有英文、数字和其他字符；
6、人员的出生日期与年龄是正相关的，是在一定区间范围内的，比如说必须大于18岁、小于80岁，如果系统里出现了某位在职员工超过了200岁，那肯定是不合理的；
7、人员的身份证号码应该是18位的，最后一位允许为X，如果身份证号码只有10位，那数据肯定不对；
8、人员的中国手机号码应该是11位的，而且必须以1开头，如果出现了18位的以8开头的号码，那肯定是哪里出问题。
