数据治理内容和标准的关系,可以概括为两层。治理内容回答企业要管哪些数据、哪些活动、哪些责任;标准回答这些工作要满足什么要求、依据什么判断。两者之间没有一张天然的一一对应表,实际落地需要建立映射,把外部标准转成内部规则、控制点和证据。
本文给出一张按治理域整理的对应表,并说明怎么建立和维护这张表。读者可以据此判断每一项治理工作该引用什么依据、产出什么交付物,以及怎样避免标准停在文件夹里。
如果你还没有建立数据治理的总体框架,可以先阅读《什么是数据治理?2026企业数据治理完整指南》,再回到本文做对应关系。
一、数据治理内容与标准分别指什么
回到搜索问题本身,数据治理包括哪些内容和标准,可以先拆成内容清单和标准依据两部分。内容清单说明治理范围,标准依据说明每项工作要满足什么要求。
1. 数据治理内容包括哪些
不同框架对数据治理内容的划分并不完全相同。DAMA-DMBOK 把数据管理分为 11 个知识领域,包括数据治理、数据架构、数据建模与设计、数据存储与操作、数据安全、数据集成与互操作、文档与内容管理、参考与主数据管理、数据仓库与商业智能、元数据管理、数据质量。全国标准信息公共服务平台公布的信息显示,GB/T 36073-2025 把数据管理能力分为数据战略、数据治理、数据架构、数据资产、数据标准、数据质量、数据安全、数据生存周期、数据应用流通 9 个能力域,并细化为 33 个能力项。GB/T 34960.5-2018 则从顶层设计、治理环境、治理域、治理过程四个部分描述数据治理框架。
这些框架的术语和颗粒度不同,落到企业里,治理内容通常可以归为八类工作。
- 治理战略与组织:目标、组织、权责、考核。
- 数据架构与模型:企业数据模型、数据分布、系统集成关系。
- 数据标准:业务术语、字段定义、编码规则、指标口径。
- 元数据与数据目录:数据字典、血缘、影响分析。
- 主数据与参考数据:客户、产品、组织等核心实体的一致性。
- 数据质量:质量规则、监测、整改、复盘。
- 数据安全与隐私:分类分级、权限、脱敏、审计。
- 数据生命周期与资产运营:采集、存储、使用、归档、销毁,以及权属、估值和运营。
这八类工作既有管理动作,也有具体数据对象。把它们列清楚,后续才能逐项找标准依据。
2. 标准分为哪几层
日常说的标准,至少有三层含义,混在一起讨论容易失焦。
- 外部依据:国家标准、行业标准、国际框架、法律法规。常见依据包括 GB/T 34960.5-2018、GB/T 36073-2025、GB/T 44109-2024、GB/T 36344-2018、GB/T 37988-2019、GB/T 43697-2024,以及 DAMA-DMBOK。
- 内部数据标准:企业自己制定的业务术语、字段定义、编码规则、指标口径、数据模型。它回答同一件事在企业内部叫什么、怎么存、怎么算。
- 治理制度与执行规范:组织职责、议事规则、需求与变更流程、质量规则、权限审批、审计要求。它回答谁在什么时间做什么、做到什么程度、留下什么记录。
外部标准提供要求,内部数据标准提供统一语言,执行规范提供动作。三者对应不同的管理对象,不能互相替代。
二、为什么治理内容和标准难以一一对应
把治理内容和标准做成一张简单配对表,通常会在落地时失效。原因有四个。
- 一个标准覆盖多个治理域。 GB/T 36073-2025 从数据战略、治理、架构、资产、标准、质量、安全、生存周期、应用流通九个方面评估能力,一个标准会同时涉及组织、标准、质量、安全等工作。
- 一个治理域需要多个标准。 数据安全既要看 GB/T 37988-2019 的能力要求,也要看 GB/T 43697-2024 的分类分级规则,还要遵守《数据安全法》《个人信息保护法》等法律法规。
- 标准给要求,企业给做法。 标准不会替企业规定字段怎么命名、指标怎么算、审批走几步。这些内容要在内部标准和管理制度中完成。
- 标准有版本和适用条件。 GB/T 36073-2025 已于 2026 年 7 月 1 日实施,替代 GB/T 36073-2018。继续用旧版对照,可能把已经变化的能力域和要求带进方案。
因此,对应关系更像一张矩阵。一个治理内容可以对应多项依据,一项标准也可以服务多个治理内容。矩阵中的每一行,最终都要落到企业内部规则和可检查的证据。
三、治理内容与标准怎么对应
下表按常见治理内容列出主要依据、对应重点,以及企业内部要产出的交付物与证据。表中所列是常用依据,不表示每个企业都要全套照搬。
| 治理内容 | 主要标准或法规依据 | 对应重点 | 企业内部交付物与证据 |
|---|---|---|---|
| 治理战略与组织 | GB/T 34960.5-2018 顶层设计;GB/T 36073-2025 数据战略、数据治理 | 治理目标、决策与执行组织、权责与考核 | 治理章程、组织架构、RACI 矩阵、年度计划、会议纪要 |
| 数据架构与模型 | GB/T 34960.5-2018 数据架构;GB/T 36073-2025 数据架构;DAMA-DMBOK | 企业数据模型、数据分布、系统集成关系 | 数据模型、系统清单、数据分布图、接口清单 |
| 数据标准 | GB/T 36073-2025 数据标准;DAMA-DMBOK 参考与主数据;GB/T 34960.5-2018 数据管理体系 | 业务术语、数据元、编码、指标口径 | 标准目录、字段与指标定义、评审记录、变更单 |
| 元数据与数据目录 | GB/T 36073-2025 数据架构中的元数据管理;DAMA-DMBOK 元数据管理 | 元数据采集、血缘、影响分析 | 数据字典、血缘图、数据目录、影响分析记录 |
| 主数据与参考数据 | GB/T 36073-2025 数据标准;DAMA-DMBOK 参考与主数据管理 | 唯一来源、跨系统一致、分发规则 | 主数据模型、源系统清单、清洗与分发记录 |
| 数据质量 | GB/T 36344-2018;DAMA-DMBOK 数据质量 | 规范性、完整性、准确性、一致性、时效性、可访问性 | 质量规则库、检核报告、问题工单、整改复盘 |
| 数据安全与隐私 | GB/T 37988-2019;GB/T 43697-2024;《数据安全法》《个人信息保护法》 | 分类分级、权限、脱敏、审计、合规 | 分类分级清单、权限矩阵、脱敏规则、审计日志 |
| 数据生命周期 | GB/T 36073-2025 数据生存周期;GB/T 44109-2024;DAMA-DMBOK 数据存储与操作 | 采集、存储、使用、归档、销毁 | 生命周期策略、归档与销毁记录、变更记录 |
| 数据应用与流通 | GB/T 36073-2025 数据应用流通;DAMA-DMBOK 数据仓库与商业智能 | 场景、服务、共享、外部数据 | 应用清单、服务目录、共享审批、使用记录 |
| 数据资产 | GB/T 36073-2025 数据资产;财政部《企业数据资源相关会计处理暂行规定》;中评协《数据资产评估指导意见》 | 权属、价值评估、资产运营与披露 | 资产目录、权属记录、成本与价值评估、披露底稿 |
| 治理实施与评价 | GB/T 44109-2024;GB/T 34960.5-2018 治理过程 | 规划、执行、评价、改进 | 年度计划、成熟度评估、整改台账、绩效报告 |
这张表有三个用法。先定位治理内容,避免从标准目录反向拼工作;再看主依据,区分法规底线、推荐性标准和评估框架;最后看交付物与证据,判断这项工作是否落地。行业监管有专门要求时,应在上位法律及强制性要求框架内满足行业特别要求;相较通用治理框架,先落实适用的行业要求,再用通用框架补全。企业已有内部标准时,要检查它是否覆盖了外部要求,不能只用内部习惯替代外部依据。
以客户主数据为例。治理内容是统一客户定义、明确唯一来源、保证跨系统一致。外部依据可以引用 GB/T 36073-2025 的数据标准能力域和 DAMA-DMBOK 的参考与主数据管理;内部要产出客户标准、源系统清单、清洗规则和分发记录;证据是跨系统一致性抽检结果和问题关闭记录。这样一项治理内容就有了依据、动作和验收。
数据标准的具体写法,可以参考《数据标准怎么制定和执行?》。
四、建立对应关系的四步方法
1. 定治理域和对象
先从业务问题出发,列出要治理的数据对象和活动。
- 选 1 至 2 个高价值场景,例如核心指标口径、客户主数据、敏感数据权限。
- 列出对象清单、涉及系统、责任部门和现有问题。
- 把对象归入治理域,不按标准章节抄目录。
范围收窄到一个业务域,映射表才容易写完、用起来,也更容易积累证据。
2. 建立标准台账
标准台账是后续维护的基础。每条记录至少包含以下信息。
- 标准号、名称、版本、发布与实施日期、主管机构。
- 适用范围、强制性或推荐性、与本企业相关的主题。
- 替代关系、复核周期、内部责任人。
台账只记录与当前治理任务相关的主题,不复制标准全文。这样既能追溯依据,也不会把台账做成资料仓库。
3. 做四列映射
每一行映射至少写清四件事。
- 治理内容:具体到对象和动作,例如客户主数据唯一来源。
- 标准依据:写标准号和主题,不只写标准名称。
- 内部规则:制度、流程、表单、阈值。
- 证据:检查记录、工单、审计日志、评估报告。
一条治理内容可以对应多项标准,要标注主依据和参考依据。每条映射还要有责任人、适用条件和检查频率,否则无法持续。
4. 把映射嵌入流程
映射表只有进入流程才有约束力。可以把控制点放在五个环节。
- 需求阶段:新增字段或指标时,先查是否已有标准。
- 开发阶段:按标准建模、编码、配置质量规则。
- 上线阶段:检查标准符合性和权限设置。
- 变更阶段:评估影响范围,更新标准和映射。
- 运营阶段:按周期检查证据,处理例外和争议。
每季度或每半年复核一次标准版本和映射有效性。标准更新、组织调整、系统替换,都可能让原来的对应关系失效。
评估现状时,可以参考《数据治理成熟度评估:你的企业处于 DCMM 哪一阶段?》。
五、选标准时先判断适用性
数据治理标准规范数量多,不代表治理水平高。选标准时按下面的顺序判断,能减少无效对照。
- 法规和强制性要求优先。 《数据安全法》《个人信息保护法》以及行业监管规定是底线,不能因为采用了推荐性标准就忽略法规要求。
- 推荐性标准按适用范围采用。 GB/T 34960.5-2018、GB/T 44109-2024、GB/T 36073-2025 都是推荐性国家标准,适合作为框架、指南或评估依据。企业要结合业务范围做适用性分析,不必把全部条款原样搬成制度;但被法律法规、监管要求或合同引用的内容,须在相应适用或约定范围内履行义务,不能任意裁剪。
- 评估模型和建设标准分工使用。 GB/T 36073-2025 适合评估数据管理能力,GB/T 37988-2019 适合评估数据安全能力;GB/T 34960.5-2018 适合建立治理框架,GB/T 44109-2024 适合组织规划、执行、评价和改进;GB/T 36344-2018 和 GB/T 43697-2024 更适合落到质量指标和分类分级规则。
- 在法律和强制性要求框架内,先满足行业特别要求,再用通用框架补全。 金融、医疗、汽车、政务等行业有专门的数据分级、安全和监管要求,应按企业所属行业与业务范围逐项核对。
- 版本要进入台账。 GB/T 36073-2025 已经实施,GB/T 36073-2018 不再是现行版本。标准换版时,要检查能力域、能力项和证据要求是否变化。
- 认证只是证据之一。 通过评估或认证,说明在特定范围、特定时间达到某个等级,不能替代日常的数据质量、权限和问题闭环。
六、常见错配与修正
| 常见错配 | 会出现什么结果 | 修正动作 |
|---|---|---|
| 只列标准,不写责任 | 标准停在文件夹,出了问题找不到人 | 每条映射写清责任角色、检查频率和升级路径 |
| 直接复制标准条文 | 制度很长,执行人员不知道怎么做 | 转成企业语言,落到流程、表单、阈值和系统配置 |
| 把外部标准和内部数据标准混在一起 | 会上争论概念,无法形成统一规则 | 分层管理,外部依据、内部标准、执行规范各建目录 |
| 追求一次全覆盖 | 范围铺得太大,试点迟迟没有结果 | 按风险和价值排序,先做 1 至 2 个治理域 |
| 只准备认证材料 | 评估前补材料,日常问题照旧 | 每个控制点保留日常证据,认证材料从日常记录中生成 |
| 标准版本长期不更新 | 对照表与实际要求脱节 | 建版本台账,设置复核周期和触发条件 |
这些错配的共同点,是只完成了写下来,没有完成谁来做、什么时候做、做到什么程度、留下什么证据。映射表要能回答这四个问题,才算进入执行。
常见问题
数据治理内容和数据标准是一回事吗
两者处在不同层级。数据治理内容是企业要管的数据对象和管理活动,范围包括组织、架构、标准、质量、安全、生命周期等。数据标准是其中的一类规则,也可以指外部的国家标准或行业标准。讨论时要先说明指的是哪一层,否则容易出现各说各话。
企业必须执行所有数据治理国家标准吗
强制性法律法规和强制性标准必须遵守。GB/T 开头的推荐性国家标准原则上自愿采用,企业可以结合业务范围、行业监管和治理目标选择适用内容;但被法律法规、监管要求或合同引用时,须在相应适用或约定范围内履行义务。推荐性标准可以作为框架和评估依据,不等于每个条款都要原样搬成内部制度,也不意味着已形成约束的内容可以任意不执行。
DCMM、GB/T 34960.5、GB/T 44109 有什么区别
三者分工不同。GB/T 34960.5-2018 给出数据治理的总则和框架,覆盖顶层设计、治理环境、治理域和治理过程;GB/T 44109-2024 给出数据治理实施的过程指南,按规划、执行、评价、改进组织工作;GB/T 36073-2025 是数据管理能力成熟度评估模型,用能力域、能力项和成熟度等级评估现状。企业可以先用框架定范围,再用实施指南推进,最后用成熟度模型评估。
没有通过 DCMM 认证,是否说明数据治理没做好
不能这样判断。认证是第三方在特定范围和时间给出的评估结果,受申报等级、评估范围和材料准备影响。治理是否有效,还要看数据能否被找到和使用、口径是否一致、质量问题是否闭环、权限和审计是否可追溯。认证可以作为外部证据,日常运行记录更能反映治理水平。
中小企业怎么开始做对应关系
先选 2 至 3 个问题较集中的治理域,例如核心指标口径、客户主数据、敏感数据权限。每个域只做一张四列映射表,写清治理内容、标准依据、内部规则和证据。先在一条业务链路上跑通,再扩展到其他域。起步阶段不必追求标准全覆盖,把一个域的责任、规则和证据跑顺,比堆一份很长的标准清单更有用。
AI 和 Agent 场景下,对应关系要多做什么
要多做语义层和知识治理。指标、术语、口径需要有唯一来源,知识变更要能追溯、对比和回滚,权限和引用要能审计。否则 Agent 会把旧口径、重复定义或越权内容带进回答。ThinkingAI 的企业级知识库采用 Schema-first 方式加工知识,以 SSOT 保证同一概念在全系统只有一处定义,并通过 ChangeSet 支持知识更新的追溯、对比和回滚,可以作为标准落到 Agent 使用环节的一种实现方式。具体能力和部署方式以产品实际配置为准。
参考资料
标准条款以正式发布文本为准。
- 全国标准信息公共服务平台,《信息技术服务 治理 第5部分:数据治理规范》GB/T 34960.5-2018,https://www.spc.org.cn/online/95de64bf5247e483c3bff7b88e0ae061.html
- 中国标准在线服务网,《数据管理能力成熟度评估模型》GB/T 36073-2025,https://www.spc.org.cn/online/22559f9c7bf9eac6a3927223fe33ce20.html
- 中国标准在线服务网,《信息技术 大数据 数据治理实施指南》GB/T 44109-2024,https://www.spc.org.cn/online/d3b354cd2e0ecf1821c1d8b4204bee7c.html
- 中国软件评测中心,《助力夯实数据底座,强化数据质量测评》,https://cstc.org.cn/info/1081/245525.htm
- 全国标准信息公共服务平台,《信息安全技术 数据安全能力成熟度模型》GB/T 37988-2019,https://std.samr.gov.cn/gb/search/gbDetailed?id=AgEVON8Wac4%3D&mode=p
- 广西壮族自治区大数据发展局,《一图读懂 数据安全技术 数据分类分级规则》,http://dsjfzj.gxzf.gov.cn/dtyw/t18245341.shtml
- DAMA International,DAMA-DMBOK Framework,https://www.damadmbok.org/dmbok-framework
- 财政部,《企业数据资源相关会计处理暂行规定》答记者问,http://m.mof.gov.cn/czxw/202308/t20230821_3903359.htm
- 中国资产评估协会,《数据资产评估指导意见》,https://gsicpa.net/Article/Content?ItemID=7495780e-b093-438f-a40e-4cbc03926e44
- ThinkingAI,《什么是数据治理?2026企业数据治理完整指南》,https://www.thinkingai.cn/blog/shen-me-shi-shu-ju-zhi-li-qi-ye-shu-ju-zhi-li-wan-zheng-zhi/






