数据治理 3 大要点：第一，要定义数据，让抽象的数据变成可读、可理解的信息；第二，要有一个完整的数据地图或数据资源目录，盘活企业的数据资产，方便用户随时找到想要的数据；第三，要做好数据质量管理，提升数据质量并提升数据的使用率数据治理的 3 大企业类型：第一类，企业拥有雄厚的经济实力，信息化起步较早，企业的业务对信息化和数据的依赖程度较高。第二类，企业有一定的经济实力，建设的信息系统较多，在单业务条线上信息化的应用程度较高。第三类，企业的经济实力相对薄弱。数据治理的 5 大问题 1. 黑暗数据 2. 数据孤岛 3. 数据 “巴别塔” 4. 糟糕的数据质量 5. 数据的安全风险数据治理 6 个挑战：1. 对数据治理的业务价值认识不足 2. 缺乏企业级数据治理的顶层设计 3. 高层领导对数据治理不够重视 4. 数据标准不统一，数据整合困难 5. 业务人员普遍认为数据治理是 IT 部门的事 6. 缺乏数据治理组织和专业的人才推进存在问题：● 领导层觉得他们在推行数字化，但是员工并不认为他们的企业文化是 “数字化” 的；● 中层领导认为他们的权力不够，推行不了企业的组织转型；● 员工不知道企业的数据战略是什么，也没有人跟他们沟通数据治理的战略愿景。总之，领导层和员工的看法完全不同，说明企业上下并没有形成共识，这对于企业数字化的推进是很不利的。企业数字化的落地生根离不开滋养它的土壤，适配的企业文化土壤是成功的关键。资源是会枯竭的，而文化会生生不息，但一种企业文化并非一朝一夕就能轻易形成的。建立良好的数据文化需要融合数据战略、数据人才、数据管理以及应用的技术手段和决策方法等。

数据治理的最终目标是提升数据利用率和数据价值，通过有效的数据资源管控手段，实现数据的看得见、找得到、管得住、用得好，提升数据质量和数据价值。该书提出了企业数据治理的业务价值主要体现在降低成本、提升效率、提高质量、控制风险、增强安全和赋能决策等方面。《一本书讲透数据治理：战略、方法、工具与实践》是一本非常实用的数据治理指南，对于数字化转型企业的数据治理提供了很好的指导。

废话太多了，一大堆概念丢给你，读起来太吃力了