应对型数据治理缺点
批量集成和应对型数据治理方法引入的时间延迟可能导致业务部门继续操作重复、不完整且不的主数据。因此，这会降低多领域 MDM 方案实现在正确的时间向正确的人员提供正确数据这一预期业务目标的能力。在期望被设定为数据将变得干净、且及时之后，批量集成引入的时间延迟让人感到沮丧。应对型数据治理（下游数据管理员小组负责整理、去重复、纠正和完成关键主数据）可能导致让人认为“数据治理官僚化”。
数据治理怎么做
当真正理清了这些关于信息化现状认知，企业通常都会决定开展数据治理和数据安全治理工作。至于这两项工作怎么做，通常有两种思路：要么循序渐进地从数据资产化的角度做治理，要么以需求为导向，从数仓、中台等数据服务的角度做。这就好比一条河被污染了，老百姓要喝水，是从治理水质，还是在下游建个污水处理厂，每天喝多少就治理多少？中国足球要进世界杯，是从娃娃抓起搞青训，还是规划老外雇佣军？选择哪种思路，高层认知很关键，所以IT、数据、业务、安全、法务等各部门提供的信息一定要准确，但实际情况要糟的多（因为基层员工的认知不够和人员变动等不确定因素都会造成高层的信息缺失）。
派客动力分类分级系统
派客动力数据分类分级管理系统是全Web化的数据资产管理系统，采用规范的数据分类、分级方法，有助于用户理清数据资产，分门别类地管理数据，确定数据重要性或敏感度，有针对性地采取适当、合理的管理措施和安全防护措施，形成一套科学、规范的数据资产管理与保护机制，从而在保证数据安全的基础上促进数据的使用以及开放共享。
数据治理数据安全保护策略
随着各行各业加速数字化转型风口下，数据安全厂商所提供的性的数据隐私保护产品和技术、方案等也各不相同。而数据脱敏技术和产品已然成为数据安全保护的常规防护手段之一。在开发、测试以及数据外发共享等环境下被广泛应用。但仅仅能够对敏感数据进行一系列的变形、遮蔽、加密等手段处理是远远不够的，想要真正意义上实现客户安全、便捷的使用数据，还要有完善的架构体系以及的技术做支撑。否则将会在实施过程中给客户带来一系列的问题与麻烦。
