数据治理：将数据从源头进行清洗
数据一切都与技术的集中化有关。数据安全地存储在企业大型机上，只有具备导航预处理数据库技能的程序员才能访问它。差不多四十年后，所有这些都与数据民主化和强大的数据治理战略的需求有关。
筛斗数据治理
第五篇数据的"谎言" ——大数据环境安全防护技术之数据脱敏
数据爆炸式增长，大数据成为国家基础性战略资源。大数据中蕴藏的巨大商业价值被认可，但也带来了一个问题：“大数据对人们来说，真的只有好处吗？”
大数据治理入门系列：数据质量
无论您是数据领域的专业人员，还是其他领域的非专业人士，也许都曾遇到过数据不完整、数据过时、数据不一致、数据不准确等问题。这些低质量的数据不仅没能解决最初的疑问，甚至还可能衍生出了其他问题。质量低劣的数据会影响数据分析结果，误导业务决策，造成经济或其他方面的损失，损害使用者的信心。因此，为了避免这类问题，组织机构有必要把控数据质量。数据质量也是数据治理的重要一环。
如何确保数据治理过程中的数据安全和合规性？
确保数据治理过程中的数据安全和合规性涉及多个层面的措施，包括技术、政策和人员培训等方面。
制造业的数据清洗革命：提升生产效率与质量的新引擎
数据清洗是提升制造业生产效率与质量的新引擎。通过数据清洗，制造业企业可以实现精细化管理、智能化决策和产品质量的提升。随着数据清洗技术的不断发展和完善，相信它将在制造业中发挥越来越重要的作用，推动制造业的转型升级和持续发展。
做好数据治理，究竟该怎么入手，从哪里开始？
在对数据有强依赖的企业中，数据治理的重要性已经变得毋庸置疑。大家都想把它做好，但是怎么入手，从何处入手，却没有很好的指导。
筛斗数据治理：大数据采集技术工具及应用场景
大数据采集可以细分为数据抽取、数据清洗、数据集成、数据转换等过程，将分散、零乱、不统一的数据整合到一起，以一种结构化、可分析的形态加载到数据仓库中，从而为后续的数据使用奠定坚实基础。
数据治理——构建高效、可靠、安全的数据管理体系
制定一份科学的数据治理战略路线图，对于企业来说具有重要意义。通过明确战略目标、优化治理架构、规范治理流程、加强技术支持和人才培养等措施，企业可以构建一个高效、可靠、安全的数据管理体系，为企业的长远发展提供有力支撑。
第四篇专家解读《数据安全法》40个要点｜如何实现数据“可用不可见”的安全目标
随着经济数字化、政府数字化、企业数字化的建设，数据已经成为我国政府和企业最核心的资产。随着合资企业、跨境贸易、多厂商全球合作的模式变迁，数据开始在企业与企业之间、政府与企业之间以及国与国之间流转、融合、使用。
数据治理听着很高大上，实际上就那么回事儿
大数据时代的到来，让政府和企业看到了数据资产的巨大价值，一边忙着出台激励政策，一边忙着探索应用场景、商业模式，建设技术平台。而在建设大数据版图的同时，数据治理是无论如何都不能忽视的一环。如果没有数据治理，数据质量就没有保证，大数据的挖掘和应用就更无从谈起了。数据治理看上去很高大上，其实就那么回事，我们没必要把数据治理想得那么复杂那么难。做好数据治理其实只需要做到两点：承上和启下。
