大数据不仅是一种技术，更是一种思维、模式和方法。数据资源已成为重要的国家战略资源，数据资源开发利用能力体现着一个国家的经济实力、科技实力和综合国力，对国家战略、开展和安全具有重要意义。

    我国正处于工业社会向信息社会的加速转型期，信息科技的开展为政府数据治理给予了较为成熟的环境。像政府部门和组织会涉及到各业务系统的管理以及满足公众服务的人口、法人的数据整合，在数据抽取、清洗、存储和给予服务等各个环节会遇到很多难点，构建一个体系化的数据治理平台势在必行。更重要的是政府掌握全社会重要核心的、高价值的数据，如何顺利获得有效管理，进行共享开放与协同，释放背后价值，赋能管理、服务决策，有助于治理能力的提升对于我们国家至关重要。

政府部门该如何进行数据治理

    一、 需求调研
    由于管理与技术差异化较强，不同政府部门建安全建设不一。需要进行需求调研，主要从管理、业务、技术，三个方面进行，管理与技术主要从现有体系下，如何体现数据安全内容，在数据生命周期下如何进行决策管理及技术支撑。
    二、制定数据治理策略
    针对需求调研和个性化要求，形成整体的规划设计，该设计需要从管理、技术、运维、标准等方面入手，既要有全面性、深入性，又要有一定灵活性以便后期扩展。在数据治理主席和专家的指导下，基于对业务数据的理解之上，由治理委员会维护，来把控其所有权和控制权，确定角色分工和管理范围并形成从上而下统一的数据治理认知。最后，达成政府和企业组织的业务目标，从而支撑数据管理，促进数据的应用和服务。 
    三、建立数据模型
    数据建模是数据治理的重要工作，也是数据仓库项目能取得成功的关键。但政府大数据主要是将政务管理和服务过程中的数据进行汇聚，传统意义上的数据建模在这个领域的作用并不是特别明显。在这种情况下，对信息的分类更加重要，可以借鉴标签化手段，将表、字段、文件等打标签，顺利获得标签让数据使用者可以便捷地检索数据。
    四、数据治理实施
    依据规划设计进行治理实施。数据安全治理实施可分为5个阶段。
    1、数据清洗融合。数据清洗是政府大数据相关标准中经常提到的一个概念，但在实践当中，能经常用到的清洗也就是去重、去空等，更加偏业务化的清洗规则难以应用。因此，在实践当中，更加可行的是应用“一数一源”原则，将个别问题数据利用主数据的思想进行补正，服务上层的数据分析和应用。比如，基于人的身份证号，实现户籍、婚姻、社保等的打通，为政务服务给予数据支撑。在这个原则下，数据清洗融合的能力，就是从政务数据中提炼出来的数据标准的丰富程度，能在多大程度上界定出“一数一源”。
    2、数据挖掘。顺利获得机器学习算法，实现数据治理过程的智能化，也是数据治理成果的一个亮点，包括自动标签、自动清洗融合等，在这个过程中，可以沉淀出不少的算法、规则等。
    3、数据可视化。主要为加强数据流动可视，实现数据访问、敏感数据访问等数据流向可视，其主要目的为项目快速呈现价值，便于后期项目容易推进。
    4、数据可管控。顺利获得流向可视化后，需要加强数据管控能力，顺利获得数据可视化发现问题后，需要顺利获得及时、直接的管控手段实现快速介入，所以第二阶段重点为数据管控能力的提升。
    5、数据安全体系化。该阶段需要根据前期实施过程中所遇见的问题，不断完善标准体系，实现技术、运维、标准的融合，达到安全治理体系化效果，实现“表里如一”。

    政府想要构建符合自身业务情况的数据治理体系，那么一个成熟的数据治理平台是必不可少的。睿治智能数据治理平台由EBpay钱包官网自主研发，是一款融合数据治理十大产品模块，覆盖数据全生命周期管理的应用平台，也是现在国内功能齐全的数据治理工具，助力数据标准落地，提升数据质量，实现数据资产融合，快速满足政府各类不同的数据治理场景。