根据维基百科，“数据治理”用于宏观和微观两个层面。前者是一个政治（politics）概念，是国际关系和互联网治理的组成部分；后者是一个管理（management）概念，是公司治理的组成部分。在宏观层面，数据治理指向各国对跨境数据流动的治理，所以应更加准确地称之为国际数据治理。这一新的领域包括“治理各类数据的规范、原则和规则”。在微观层面，数据治理指向数据管理，其关心的是组织有能力确保数据在完整生命周期中具有高质量。企业数据治理的焦点包括可得性、可用性、一致性、完整性、安全性，包括建立流程以确保在整个企业中进行有效的数据管理。

　　成立于2003年的“数据治理研究所”（Data Governance Institute，DGI），旨在为全球提供深度的、中立的数据治理最佳实践（best practices）和指引。该机构2004年提出的《DGI数据治理框架》（以下简称《DGI框架》）已经为全球数百个组织所应用。这一框架对数据治理给出了简单和复杂的两种定义。简单定义是：数据治理是对数据相关事项进行决策和行使权力。复杂定义是：数据治理是对信息相关过程进行决策的权利和责任系统，该系统按照已经取得共识的模型执行，模型描述的是谁在什么时候、什么情况下、使用什么方法对什么信息采取什么行动。按此定义，对与数据有关的事项作出决策、采取行动以及相应的体系，都在数据治理的范畴之内，无论决策或行动的主体是谁。

　　英国人文和社会科学院（British Academy）和英国皇家学会（Royal Society）2017年发布的联合报告《数据管理和使用：21世纪的治理》（Data Management and Use：Governance in the 21stCentury）使用的“数据治理”一词，就是指向“对数据管理和数据使用的治理”，为了提升对数据管理、数据使用以及衍生技术的信任而设计出来的任何事物，都属于该报告所关注的数据治理。

　　美国俄克拉荷马州管理和企业服务办公室（Office of Management & Enterprise Services，OMES）的数据治理项目办公室，于2019年4月17日发布的《数据治理概览》（Data Governance Overview）报告指出，数据治理是一个组织过程和结构。它建立对数据的责任，组织工作人员通过系统地创建和实施政策、角色、职责和程序来协作并持续地改进数据质量。因此，它是用来定义关于数据的决策过程的，指向一个战略性的长期过程，通常出现在达到相当成熟水准的组织里。它为管理、使用、改进和保护组织信息的过程增加了严谨性和纪律性。高效的数据治理可以促进跨组织协作和结构化决策，进而提高数据的质量、可用性和完整性。

　　应当指出，虽然维基百科把微观层面上的数据治理等同于数据管理，但在一些研究者看来，二者还是存在差异的。数据治理是政策、程序、结构、角色和责任的组织与实施，旨在为有效管理信息资产，提供和实施有关参与、决策和责任的规则。无论如何定义，底线在于数据治理是运用权力和政策，确保信息资产的妥善管理。因此，数据治理不是由信息管理人员承担的职能。数据治理确定必需的控制、政策和过程，并制定规则，而信息管理人员负责执行这些规则。类似地，国内有观点认为，数据治理明确战略方针、组织架构、政策和过程，并制定规则和规范，来评估、指导和监督数据管理；数据管理则是通过计划、建设、运营和监控相关方针、活动和项目，以获取、控制、保护、交付和提高数据资产价值来实现数据治理所作的决策，并向数据治理提供相应的反馈。

　　其实，若是从角色、职能分工而言，对二者加以区分是合理的。但数据治理既然是对数据管理和使用的治理，目的之一是确保数据的有效管理，因此，数据管理就是数据治理的有机组成部分，尽管二者之间绝对不能划等号。故有论者指出：“数据治理是围绕数据资产展开的系列工作，以服务组织各层决策为目标，涉及有关数据管理的技术、过程、标准和政策的集合。”

（本文源自网络，如有侵权，请联系删除）