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。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。
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，可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。
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。
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。
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。
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。
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，有效地防止数据泄露风险。
       以上就是数据治理的7大关键方法，数据治理工作的实施落地，另一个方面就是人才，只有更专业的数据治理人才才能面对瞬息万变的时代。​

想要了解更多关于数据治理资讯信息，请关注中培伟业李老师二维码：