每个有效的数据库都需要精心设计的模式(Schema)，以保持数据干净，避免冲突，满足用户的各种需求，适应未来的扩展。同样，每个有效的企业数据计划都离不开数据治理，也就是精心设计的政策，以明确职责、解决不同利益相关方之间的冲突，提供维护和扩展，保护敏感信息。
数据治理的关注点通常包括：
- 长远规划：识别战略需求，寻求管理层对数据计划的支持，获得多年的预算承诺，除新功能之外还提供维护和升级。
- 架构：预见并调和不同企业部门之间的数据策略冲突。
- 职责：明确研发、运营、基础设施、商业智能和各条业务线等能力领域之间的维护、更新和扩展职责。
- 数据收集：把来自各条业务线的数据整合进公司总体策略，从源头上确保数据干净。
- 安全和合规：识别敏感数据及其相关的监管和专业要求，执行技术和管理保障措施。
数据管理方面的权威西米恩·施瓦茨(Simeon Schwarz)分享过一个思维实验：假设你正在为某券商创建新的客户关系管理(CRM)分析系统，你问该系统的各个利益相关方，在他们眼中什么是“账户”?答案各不相同：
- 营销部：“账户是被转化的销售线索。”
- 财务部：“就财务报表而言，账户是拥有存款、能和我们交易的客户。”
- 会计部：“账户是我们结算室、账簿和记录系统中的记录条目。”
- 法律部：“账户是我们通过和客户签署的法律协议，向客户提供的结构化产品。”
虽然每个定义在其利益相关方的眼中都是正确的，但这些定义可能无法调和成单一的一个定义。没有数据治理计划，各个部门的工作流程可能会以不同的方式来对待记录。结果将是各个部门的工作流程产生不同版本的真相，具有不同的监管和合规风险。报告和分析变得不可靠，并使冲突加剧。
营销部通过网页表单收集销售线索，并为每条线索创建一条新的账户记录，但网页表单上可能有错字。法律部从头开始为每份协议创建一条新的记录，导致某些数据重复，如果其数据与包含错字的营销部数据产生冲突，那么还需要进行清理。
由于可追溯至大型主机时代的一个传统，运行整个系统的硬件设施也许是由会计部管理，而会计部可能不想花钱改进营销部的数据收集系统。营销部的人在策划宣传活动时，习惯了直接查看会计部数据库的原始客户记录，这会产生监管和安全风险。
数据治理计划不仅为解决这些问题和预见新的问题提供了知识和制度基础，还根据企业战略计划的推进提供相应的扩展。
关键的术语和趋势
如今首席数据官(CDO)这个职位越来越流行，其诞生就是为了应对数据治理的挑战。负责数据治理的CDO加入企业高管行列，这表明了数据在企业价值和使命中的重要地位。
行业组织和供应商已经开发出各种各样的数据治理框架，其中最著名的包括开放组群架构框架(TOGAF)，它以美国国防部较早前一个项目为基础发展而来。TOGAF远远超出了数据治理的范畴，但数据架构是该框架中一个被人们津津乐道的组成部分。此外还有数据治理框架(DGI)，它也是从结构化的角度来看待数据治理。
除了上述几种“框架”法以外，有些早期研究项目致力于元数据和情境服务在制定治理政策方面的潜在应用，这是从自下而上的角度来处理问题。
