伴随着企事业单位信息化不断的深入、各种技术持续的发展以及人们对数据治理的认知不断加深，数据治理工具在过去的20年也不断的发展，笔者以某世界500集团企业案例为原型，介绍数据治理工具发展及变迁及未来发展趋势和方向,供广大读参考。

数据质量的第二篇，我们阐述了将数据流拆分为评价流和分析流；而在上一篇详述了指标命名的规范方式。为了让读者们对指标理解得更深刻，本篇将树立一种认知：指标其实有不同层次，不同层次对应不同的应用方式。

解决口径对不齐问题的关键点之一，便是：指标命名。本篇文章为大家分两步解决：当业务规模大，相似的职能线多，相似的部门多了后，数据对齐的难度陡增（这一定程度上是组织架构的不合理的体现，但本文不对此展开讨论，毕竟架构都是各有利弊），如何让指标命名规范这个问题。

由上篇的《指标对齐这么难？》，我们开始切入数据治理主题。本文核心思想：数据流，拆分为评价柳和分析流，理解好数据流，希望能给大家的工作带来改善。

在上一篇中，作者抛出了以下两个观点：1.数据治理，从业务的最初阶段，就要开始设计。2.如果你不了解所使用的各种数据结果的口径，就不要推动所谓的“用数据说话”。本篇将继续抛出一些观点，感兴趣的伙伴可以查看并评论留言。

数据治理，一般来说，涉及数据获取的治理、数据流程治理、数仓模型治理、数据权限治理、指标体系治理、数据应用能力提升、分析框架治理、数据可视化方案治理等范畴。有着内容涵盖广，琐碎的细节多，外在体感弱，成效周期长，人员心力要求高的特点。本文是由老树的一些新的发现和观点，有独到见解的伙伴也可以发表自己的评论。

数据是资产的概念已经成为行业共识。然而现实中，对数据资产的管理和应用尚处于摸索阶段，企业数据资产管理面临价值评估难、数据标准混乱、数据质量不高、数据安全威胁等诸多挑战。互娱从2013年开始启动此项工作，历经从数据管理到治理，再到资产化的转变。

数据资产是企业及组织拥有或控制，能给企业及组织带来未来经济利益的数据资源，那么公司如何通过数据资产取得利益，是现在值得注重的一点，如何让你的资产变现，如何管理让你的资产，是发展过程中重要的一环。

早期的电商营销到今日的数据营销，中小传统企业面临的即有机遇，也存在相应的困惑：营销成本上升，用户行为碎片化加剧。所以，具备精准定向、可监测、高效、低成本等天然优势的大数据精准营销平台，无疑成为了打破中小企业尴尬营销处境的不二之选。那么，该如何选择一家适合自己的大数据营销平台呢？本文将为大家做出详细的考核标准，供专业人士参考。