數字化轉型和數據治理的關系
數字化轉型的本質是：在數據和算法定義的世界中，以數據的自動流動化解復雜系統的不確定性，優化資源配置效率，構建企業新型競爭優勢（來源：《重構-數據字畫轉型的邏輯》）
數字化轉型的基礎是數據。只有高質量的數據才能給數字化轉型提供高質量的支撐，而數據質量也是數據質量體系的核心環節。
除了數據質量，數據治理還可以提供企業一套數字化轉型的組織架構參考，讓企業的數字化轉型有科學的組織保障，進一步保障數據治理和數字化轉型的長治久安。
啟動企業的數據治理工作
從上到下：先做數據管理成熟度評估，發現數據管理的問題和現狀，從而提出數據管理的規划藍圖和實施里程碑，比如數據治理項目第一期聚焦的治理領域（如 元數據）和業務領域（營銷業務）
從下到上：針對具體的數據問題（比如數據質量問題、數據安全問題），啟動專項項目，比如營銷領域數據質量項目，專門用於提升營銷領域的數據質量
無論是自上而下，還是自下而上，都要有公司數據治理的整體規划藍圖，具體實施步驟是根據藍圖的指引來做的。
具體的問題的解決
在使用數據過程中，會遇到很多具體的問題，這些具體的問題該如何解決呢 ？可以參考如下的例子：
汽車生產過程中有個關鍵的質量參數叫做“見習平順度”--比如前后門交界面的高度偏差和間隙寬度偏差。比如現在有個間隙過大的具體問題，一般會有兩種解決方式：
1）解決具體的問題：在整車下線之后的的質量考核發現該問題，於是逐輛車調整：調整前后門板位置，以使得間隙符合要求
2）解決系統的問題：針對該問題進行根本原因分析，解決造成該間隙問題的系統性原因（根本原因），比如調整工裝、調整產品尺寸偏差等
同樣，銷售段有很多工具，但是其組織架構沒有對齊，導致人員和組織的邏輯和標准不一致，從而進一步導致流量分發不可靠、數據看板不可細粒度分析等問題。針對這樣的問題，我們也可以使用兩種方式來解決：
1）解決具體的問題：比如這次張三的組織架構不對，通過手動調整來解決；下一次李四的組織架構不對，再通過手動調整解決......
2）解決系統的問題：明確組織架構問題的根本原因（來源不統一、維護責任分散等），通過引入“組織主數據系統”來建立對應的權威數據，其他系統的組織相關數據統一從該系統引用