完整的数据治理体系，应该贯穿从数据的产生到数据最终被消费的全过程。而这一过程，我们可以用一个更加贴近生活的比喻来理解——想象一份清炒土豆丝是如何从种植到最终被食客吃进肚子的：

1、选定并按标准化种植（标准数据的产生）

2、经销商按土豆的分级标准到不同土豆种植户进行收购（多数据源数据采集）

3、将土豆完好转运到仓库、厨房（数据的运输和存储）

4、定期对厨房中的蔬果、调料、厨具进行盘点，对于目标产物土豆丝，确保土豆的数量和质量及保存时间（数据梳理）

5、厨师的菜谱创作，形成如：酸辣土豆丝、土豆饼、清炒土豆丝等菜谱，供餐厅标准化出品。（数据建模、数据标准）

6、对土豆进行清洗、削皮以备用（数据的清洗）

7、按照切丝标准把土豆切丝、烹饪（数据开发）

8、主厨对清炒土豆丝的出品进行色香味的评价（数据质量）

9、符合出品标准的土豆丝进行摆盘、出餐（数据的服务输出）

10、土豆丝被最终食用（数据的消费）

11、餐厅回顾分析菜品的消费记录、顾客评价记录，对菜品做出进一步的调整改进（数据分析、数据质量）

为了保证最终土豆丝的出品，上述的每一步都离不开标准和监管。数据治理也是如此：它是企业对数据的规范化管理，分离了数据工作的执行和监督职责，从而提高数据的质量和价值。

数据治理是一个系统、复杂、曲折的过程，不可一蹴而就，亦不可攻其一点，不及其余，需要多方的努力为企业的数字化转型和创新发展提供有力的支持。主要通过以下几个方面予以实施：

数据治理工作涉及广泛，跨部门、跨专业、跨系统，需要由企业领导牵头组建数据治理委员会，委员会组织数据运营协调和实施团队，指定各团队负责人并制定规则、培训和指导各部门开展职能、应用、业务、数据的梳理，理清各部门业务及数据关系，为最大化有效利用数据价值打基础，最终形成有效的协同工作机制，只有全员参与，才能更好地推动数据治理工作的开展。

数据治理主要是从数据采集接入、数据治理、数据开放共享服务等全流程运营监控，整个过程分为数字化梳理和数据需求管理、数据资源目录、元数据管理、主数据管理、数据采集汇聚、数据质量管理、数据开发和数据库建设、数据服务和特色数据应用、BIM数据治理专项等。

数字化梳理的主要目标是形成“两清一图”，即“职能清”、“应用清”和“业务泳道图”，梳理清各部门的职能要求及其各应用、业务与数据的关系，为高效、高质推进数据治理建立基础。

无规矩不成方圆，规范是数据治理的基础，有了规范和标准后才能基于此对不合理数据进行治理，通过制定数据规范、技术规范和管理规范为数据治理提供有力的执行保障。

管理规范：规定数据治理活动的内容、程序和方法，是数据治理活动参与方共同遵守的规定，包括数据共享管理规范、数据资源目录管理规范、元数据管理规范、数据需求评估管理规范、数据开放管理规范、BIM数据标准、数据质量管理规范、主数据管理规范等。

明确数据流程、业务流程，减少重复工作和无效劳动提升数据服务效率，同时规定各环节的参与部门或负责人，避免流程断环或者是出现职责不清互相推脱的现象。主要包括明确数据接入流程、数据治理流程、数据共享流程，流程流转中各部门职责等。

阶段性分步不断完善优化落实数据标准、业务标准。以国家、行业等标准为基础，厅局实践标准为辅，推进数据标准化；并且积累交通运输业务指标及模型促进业务数字化智能化发展。

按照“业务牵引，数用分离，智能驱动”的思路，构建符合大数据发展的管理数据治理体系，实现数据接入阶段实时准确、数据处理阶段规范有效、数据管控阶段精准管控、数据服务阶段服务集约、数据运维阶段精准高效的全生命周期的治理。