数据治理分为四个阶段：
第一阶段，梳理企业信息，构建企业的数据资产库。首先要清楚企业的数据模型、数据关系，对企业资产形成业务视图、技术视图等针对不同用户视角的展示。
第二阶段，建立管理流程，落地数据标准，提升数据质量。从企业角度梳理质量问题，紧抓标准落地。
第三阶段，直接为用户提供价值。本阶段依赖于前两个阶段的建设，为用户提供方便的获取数据的途径。
第四阶段，为企业提供数据价值。通过多种手段对多种来源的数据进行分析，形成企业知识图谱，体现数据的深层价值。
通过这4个阶段的建设，建立起全企业的数据质量管控平台，以用户为中心，由用户使用数据并通过用户的使用优化数据质量，既达到了数据治理的目标，也最大限度的发挥了数据的价值。
数据治理方案：
有关数据治理的问题并不能在企业的单一部门得到解决。这需要IT与业务部门进行协作，而且必须始终如一地进行协作，以改善数据的可靠性和质量，从而为关键业务方案提供支持，并确保遵守法规。
Informatica能够提供企业级数据治理解决方案，该解决方案可以在本地或云中使用，在传统数据或大数据中均有使用案例，可以满足业务和IT部门的需求。
Informatica可提供功能齐全而又稳健可靠的数据治理解决方案，具备交付可信、安全的数据和启动成功的元数据管理方案所需的全部精确功能。
Informatica Axon提供端到端智能数据治理解决方案，以整体、协作的方法将员工、流程和系统流畅融合，从而实现战略业务成果。Axon Data Governance作为协作中心，为成功实施数据治理计划提供支持。
数据治理流程是从数据规划、数据采集、数据储存管理到数据应用整个流程的无序到有序的过程，也是标准化流程的构建过程。
根据每一个过程的特点，我们可以将数据治理流程总结为四个字，即“理”、“采”、“存”、“用”。
1.理：梳理业务流程，规划数据资源
对于企业来说，每天的实时数据都会超过TB级别，需要采集用户的哪些数据，这么多的数据放在哪里，如何放，以什么样的方式放？
这些问题都是需要事先进行规划的，需要有一套从无序变为有序的流程，这个过程需要跨部门的协作，包括了前端、后端、数据工程师、数据分析师、项目经理等角色的参与。
2.采：ETL采集、去重、脱敏、转换、关联、去除异常值
前后端将采集到的数据给到数据部门，数据部门通过ETL工具将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程，目的是将散落和零乱的数据集中存储起来。
3.存：大数据高性能存储及管理
这么多的业务数据存在哪里？这需要有一高性能的大数据存储系统，在这套系统里面将数据进行分门别类放到其对应的库里面，为后续的管理及使用提供最大的便利。
4.用：即时查询、报表监控、智能分析、模型预测
数据的最终目的就是辅助业务进行决策，前面的几个流程都是为最终的查询、分析、监控做铺垫。
这个阶段就是数据分析师的主场，分析师们运用这些标准化的数据可以进行即时的查询、指标体系和报表体系的建立、业务问题的分析，甚至是模型的预测。
本回答被网友采纳数据治理，大体上可以总结为四个阶段：
企业数据结构梳理与盘点，构建数据资产库
规范管理流程、数据标准、提升数据质量
输出数据的直接价值
数据数据的挖掘价值
其中，前两个阶段偏重搭建基础，形成核心数据标准，针对关键性的问题，建立数据全生命周期的管理流程。这时候主要目的是为数据部门形成一套管理数据资产的能力，同时为数据管理部门形成数据管理的工作环境。
通过前两个阶段的建设，企业基本具备了数据治理的能力，到了第三阶段就可以围绕用户、业务直接提供高质量数据服务。并在服务的过程中，反过来推进流程与标准的持续优化。
第四阶段，数据累积沉淀成为知识，借由知识之间的相互关系，形成知识图谱，进而挖掘出更高的数据价值。例如：发现市场热点与需求，实现产品创新服务；加强信息联动，提升企业风险防控能力；利用大数据技术提升经营管理水平，实现精细化经营决策等等。
数据治理不是一个临时性的活动，从业务、数据、管理三个维度，需要一个长效机制来进行保证。在大数据时代，经过治理的数据会在企事业单位的发展进程中，迸发出更大的价值。