说起大数据，人们并不陌生，从1981年第一个数据仓库诞生至今，近40年的历史使得大数据深入到各行各业，而国内企业数据平台的建设大概从90年代末就开始了，从第一代架构出现到现在已经经历了20年的时间。
从相关数据可以看出，大数据时代数据产生的价值越来越大，基于数据的相关技术、应用形式也在快速发展，开发基于数据的新型应用已经成为信息化建设的一个重点领域。当前各大厂商、用户都在探索与数据相关的开发技术、应用场景和商业模式，最终目的就是挖掘数据价值，推动业务发展，实现盈利。
然而，在实际应用中，很多预期目标无法达成。人们通过分析发现，问题根源在于数据的质量问题，大数据是为了挖掘数据价值，而这有一个前提条件，那就是数据必须真实有效，否则，再好技术也无济于事，用数据领域的经典话语说就是：Garbage in Garbage out(垃圾进垃圾出)。
正因如此，数据治理呼之欲出，而数据治理，正是保证数据质量的必需手段，从全球范围来看，加强数据治理提升数据质量已成为企业提升管理能力的重要任务。
难点：不可控因素众多
虽然大数据在不断发展，各行各业也无比重视数据价值的挖掘，但到目前，很多企业的现状依旧是随处可见的数据不统一，难以提升的数据质量，难以完成的数据模型梳理等，这些源源不断的基础性数据问题，限制了企业的数据价值挖掘，导致数据应用不能在商业上快速展示效果。
而单就从数据本身出发，也可以分析出为何数据治理难度巨大。
其一是数据不可知。用户不知道大数据平台中有哪些数据，也不知道这些数据和业务的关系是什么，虽然意识到了大数据的重要性，但平台中有没有能解决自己所面临业务问题的关键数据?该到哪里寻找这些数据?
其二，数据不可控。数据不可控是从传统数据平台开始就一直存在的问题，在大数据时代表现得更为明显。没有统一的数据标准导致数据难以集成和统一，没有质量控制导致海量数据因质量过低而难以被利用，没有能有效管理整个大数据平台的管理流程。
其三，数据不可取。用户即使知道自己业务所需要的是哪些数据，也不能便捷自助地拿到数据，相反，获取数据需要很长的开发过程，导致业务分析的需求难以被快速满足，而在大数据时代，业务追求的是针对某个业务问题的快速分析，这样漫长的需求响应时间是难以满足业务需求的。
最后是数据不可联。大数据时代，企业拥有着海量数据，但企业数据知识之间的关联还比较弱，没有把数据和知识体系关联起来，企业员工难以做到数据与知识之间的快速转换，不能对数据进行自助的的探索和挖掘，数据的深层价值难以体现。
这几个因素不仅是数据治理的拦路虎，也是数据治理必须解决的难题。换言之，数据治理是一项长期系统工程，贯穿于整个数据生命周期，不仅需要借助技术手段，更需要完善数据治理制度，包括规划、组织、机制、规范、流程等，只有一个组织全员重视和积极参与，逐步形成数据治理文化，数据治理才能取得成效，数据才能发挥更大的价值。
途径：管理与技术相结合
可见，数据治理并不是一个新生事物，有数据的地方就存在数据治理，只不过随着数据应用的迅猛发展将它提到了一个高度，作为一个独立的研究领域。
从目前行业发展来看，数据治理还未有标准的、严格的定义，概况地讲，所有为提高数据质量而展开的业务、技术和管理活动都属于数据治理范畴。
