本文内容是《数据治理工具图谱研究报告》的梗概内容，报告来源于盖雅学苑内容合伙人@郭雨琛推荐。他是一位HRIS专业工作者，长期专研人力资源数字化。这份报告于他而言很有借鉴意义，希望能分享给其他同行。
以下是他的推荐语。
当前这个时代，人人都知道数据，或多或少也知道数据是资产，治理好了很有用，毕竟企业数字化转型的始终离不开“数据”，始于数据，最终也是为了数据。
BUT，数据资产能怎么用？为什么无数据可用，或无可用数据？怎样开展数据治理？则是一头雾水。这也导致很多企业的数字化转型“白忙活一场”、“从头再来”的重要原因。
最近读到的《数据治理工具图谱研究报告》（以下简称“报告”），解答了上述一些困惑，想通过盖雅学苑平台分享给需要的同行。推荐关键词如下：
1. 白皮书
负责任的说，报告不是入门级的资料，甚至在我第一次看到它的那个公众号上，是一条留言都没有……BUT，就像没有人会通过字典学说话，但是人人都得有一本。
报告之于我，是白皮书，是类似于VDA6.3等的行业标准，让我第一次拥有了全景视图，让我了解到重点行业现状，也让我自己有了摸着石头建立人力资源数据中台的底气。
2. 参照系
针对各重点行业，报告给出了参照系：
报告不止于定义和规范，还以第一人称视角，代入式的呈现了金融、政务、电力、交通、医疗、互联网等重点行业的6个应用案例；让我知道了先进的实施案例是什么水平，就算不能直接照着做，也让我清楚了去哪里学习。
3. 书同文
更重要的，报告所给出了一整套数据治理工具，从此以后书同文车同轨：行业对于工具有了共识，从业者不再鸡同鸭讲，落地实施也有了可借鉴的方法论。
本文共1977字，阅读约需3分钟
《报告》依据数据治理及管理组织各层级所关注的侧重点，图谱将工具划分为三层——战略层、管理层、操作层。
01/战略层工具
为提供数据质量战略规划、评估、知道、监控的工具或功能，主要包括五大过程域：组织与职责、体系与制度、团队与文化、计划与监控、成本与评估。
1. 组织与职责
对数据治理组织及其职责进行规划、管理。
2. 体系与制度
对数据治理相关体系、制度、流程进行管理、发布。
3. 团队与文化
提供数据治理文化发布、查询、学习培训等。
4. 计划与监控
提供数据治理项目管理及监控。
5. 成效与评估
对治理成效提供评估依据及评估行为。
02/管理层工具
为应落实数据治理战略而进行的数据管理活动的工具或功能。主要包括八大过程域:
数据架构管理、元数据管理、数据标准管理、主数据管理、数据质量管理、数据资产管理、数据安全管理、数据生存周期管理。
1. 数据架构管理
提供数据架构规划、设计相关工具及功能，包括数据层次、数据模型和数据流向设计。
2. 元数据管理
提供统一的企业元数据存储库，支持相关血缘、影响分析及变更管理的监控。
3. 数据标准管理
提供统一的指标数据技术标准、 业务标准、管理标准的视图，具备基本的增删改查及废止功能，可进行标准符合性检测。
4. 主数据管理
提供对企业主数据、参考数据统一管理， 支持主数据模型定义、数据约束及分发策略的管理。
5. 数据质量管理
支持对数据质量建立质量规则，支持数据治理评估，并生成质量报告，提供质量整改机制。
6. 数据资产管理
提供企业以资产价值视角的数据管理功能，包括资产索引、资产开发、资产服务等功能。
7.数据安全管理
支持对数据进行安全分级分类，定期监督和执行数据安全策略执行情况。
8. 数据生存周期管理
对数据进行生存周期管理，定期监督和检查数据归档和销毁策略执行情况。
03/操作层工具
数据操作层主要包括六大过程域:数据存储工具、数据采集工具、数据处理工具、数据共享交换工具、AI计算支撑工具、数据分析应用工具。
1. 数据存储工具
基于数据治理战略及数据架构、数据标准、元数据、质量等管理要求，对数据进行存储。包括分布式存储、传统关系型存储、文件存储及图数据库存储。
2. 数据采集工具
基于数据治理战略要求，完成相关数据采集工作。支持不同采集方式及频率，包括实时采集、离线采集、报表填报采集、API采集等。
3. 数据处理工具
基于数据质量、标准、数据架构等要求，对数据进行加工、转换、清洗、集中等工作。
4. 数据共享交换工具
基于业务与之间的数据共享需求，对不同异构数据执行交换或服务。包括文件、库表、接口、实时流等。
5. Al计算支撑工具
将人工智能技术运用到数据采集、处理、共享、评估、度量等活动中。
6. 数据分析应用工具
通过数据可视化、报表等工具完成数据治理的报告、诊断分析、监控图表等的开发制作。
《数据治理工具图谱研究报告》对上述工具能力图谱进行了详细解释，除全景图外，报告对每层工具能力要素进行了更细一步的绘制，并收录了部分行业案例采用的工具架构图。
报告共研制、收录了26个图谱，其中研制了20个通用工具能力图谱，收录了6个数据治理案例工具能力图谱。
