3．樹立大數據治理意識，順應大數據時代發展趨勢首先，在大數據時代，數據質量更加重要，從精準營銷、風險識別等應用場景來看，因為數據與運營結合程度較以往更緊密，要求的數據粒度更細，任何一點錯誤都可能直接帶來業務上的損失。而傳統的指標應用反而對運營環節沒有如此直接的影響。因此，在大數據環境下對數據質量的需求是顯著提升了而不是降低了。

其次，Hadoop、Spark等大數據技術的應用，對數據治理的技術手段提出了許多新的要求。傳統模式下基于RDBMS進行管理，SQL是通用的數據訪問方式。而在大數據環境中，Hadoop、MPP、RDBMS、Spark并存，如何在混搭的異構環境中實現對數據資產的可視化統一管控，避免大數據系統成為不可管理的黑盒子，是傳統行業應用大數據技術需要面對的關鍵問題之一。特別是大數據技術人才目前更多地流向互聯網企業，進入傳統行業的少之又少，在人才可得性短期不能快速解決的情況下，需要依靠技術手段來確保傳統企業信息技術人員對數據資產的可視與可控。