1.1.6 从问题和挑战中找解决方案

数据价值的体现，一定是建立在整条数据链路的高效率和高质量基础上的，没有有效的数据治理工作，就无法打造数据创造价值的基础和系统能力，在数据应用层发展到一定阶段时，必然会受到制约，遇到瓶颈，数据的维护成本急速上升，数据应用层每前进一步都会越来越难。

通过数据治理首先可以实现数据标准化，通过对数据的标准化定义，明确数据的责任主体，为数据安全、数据质量提供保障；其次，解决数据不一致、不完整、不准确的问题，消除可能存在的对数据的理解偏差，降低各部门、各系统的沟通成本，提升企业业务处理的效率；最后，标准的数据及数据结构能为新建系统提供支撑，提升应用系统的开发实施效率。通过数据治理，可以完成对数据的集中清洗和标签定义，形成企业的主权数据，这些数据可以作为企业的战略资产，企业将进一步提升数据资源的存量、价值，以及对其分析、挖掘的能力，最终提升企业的核心竞争力。

数据治理是一个长期工程，企业如何具备关键技术并且“多快好省”地完成治理工作，是企业需要探索和思考的一个关键问题。

无论是互联网行业的数字原生企业还是传统行业的非数字原生企业，都期望通过云计算、大数据、人工智能技术来推动企业的发展。事实上，越来越多的企业从以物理世界为中心的构建方式转为以数字世界为中心的构建方式。在构建的过程中，以上各个行业遇到的各种数据问题，本质都是缺乏以软件和数据平台为核心的数字世界入口，从而造成了在构建数字世界的过程中各个企业之间的显著差异。因此，我们需要找到合适、高效的技术，或者说一种数据管理思维，去更好地建立数字世界并管理数字世界的全量数据。

基于以上市场化的实际应用需求，急需一套能够准确定位数据与数据之间关系的方法，这时数据血缘应运而生。数据血缘不仅是一类技术，也是一种方法，更是一种数据管理思维，它的成功运用将在很大程度上解决企业数据管理遇到的多类难题。