（1）数据治理的目标。
加强数据治理是提升企业信息化水平、管理精细化水平，提高企业业务运作效率，增强企业决策能力和核心竞争力的重要途径。数据治理指导其他数据相关活动的开展，是在更高层次上执行数据管理制度。数据治理的目的是确保数据管理活动能够按照数据管理制度及最佳实践展开。由于每个企业都具有不同的业务目标与组织需求，所以不同企业进行数据治理的方式与焦点都各不相同。有些企业可能专注于数据质量，有些企业专注于数据安全和隐私保护，还有一些企业可能专注于数据的实效性。一般来说，通过数据治理企业可实现以下目标。
1）完善的数据管控体系。通过对数据管控的组织、标准、流程和技术支持的统一规划设计，实现数据管控活动的高效运行和持续优化，建立数据治理的长效机制。
2）统一的数据来源。通过对重要共享数据进行集中管理，确保重要共享数据的一致性，从而构建企业层面的统一数据视图。
3）规范化的数据。通过对现有数据的整理，以及数据申请和数据审批等业务流程对新增数据的控制，实现企业数据的规范化，从而彻底改善数据的不完整、冗余、错误等质量问题。
4）提高工作效率。数据的规范化将使企业内部的信息共享、业务协同更加流畅，从而带来企业整体工作效率的提高。
5）降低数据管理成本。共享数据分散在不同的业务系统中，想要保持数据的一致性，就必须付出大量的管理成本，但这仍然无法根治数据质量问题。数据治理通过对这部分数据进行统一管理，将一致的、规范的数据通过接口自动分发给各个业务系统，从而显著节约管理成本，保证数据质量。
6）满足数据的合规性。数据治理将帮助组织更好地遵从内外部有关数据使用和管理的监管法规，满足合规性要求。
（2）数据治理的原则。
数据治理的原则是指数据治理所遵循的、首要的、基本的指导性法则。数据治理原则对数据治理实践起指导作用，只有将原则融入实践过程中，才能实现数据治理的目标，提高数据运用能力，充分发挥数据价值。为了高效采集、有效整合、充分运用数据，数据治理要坚持以下基本原则。
1）有效性原则。有效性原则体现了数据治理过程中数据的标准、质量、管控的有效性。遵循有效性原则，选择有用数据，淘汰无用数据，识别出有代表性的本质数据，去除细枝末节或无意义的非本质数据。
2）价值化原则。价值化原则指数据治理过程以数据资产为价值核心，实现数据价值最大化。数据本身不会产生价值，只有经过处理后才能给企业带来效益。所有的治理过程，应以价值为导向，不断实现数据的价值增值。
3）一致性原则。一致性原则指在数据标准管理组织的推动和指导下，遵循统一的数据标准规范，借助标准化管控流程得以实现数据一致性的原则。实现企业数据的一致性，能够大大降低管理成本，提高工作效率。
4）安全性原则。安全性原则是指保障业务系统中数据的安全和数据治理过程中数据的安全可控。因为数据的安全性直接关系到相关业务能否顺利开展，所以在数据治理过程中要明确数据的安全性，从技术层面到管理层面采用多种策略来提升数据本身及业务平台的安全性。在大数据时代下，将业务数据和安全需求相结合，才能有效提高企业的安全防护水平，防止数据泄露。
5）持续性原则。数据治理是一个持续性的过程，不能因项目的结束而终止。企业需要把数据治理当作责任，不断改变数据的应用和管理方式，以适应不断变化的企业需求，形成长效的数据改进机制。
6）开放性原则。在当下大数据和云环境的背景下，要以开放的态度树立起信息公开的思想，运用开放、透明、发展、共享的信息资源管理理念对数据进行处理，加强数据治理的透明度，对数据进行开放共享。
