无论哪家公司，只要自开发的系统有一定的数量，都会有一套或简或繁的建模规范。通常，大家遵从就行了，也不去深究，但也有很多人对此不以为然。
这次正好仔细聊聊，这些为什么一些数据模型中的一些规范要求后面的原因。
数据治理范围很广，阐述起来也很复杂。好吧，是我讲不清。。。
在数据治理过程中，不断的会被问到：你这个有什么指导意义么？几百年不变的东西，有必要花代价去做吗？
今天一起来看一个实际的案例，需要害羞的请尽情脸红，觉得自己数据维护得不做的，也可以自查一下。
01. 部门具有十分清晰的使命和业务策略02. 业务目标能有效地落实到每位员工03. 管理层级是简明而有效的04. 设立部门定期沟通机制，传达公司和部门主要事件和信息05. 鼓励团队成员间通过开诚布公的交流，来处理意见分歧和矛盾06. 面对和其他部门的冲突时，坦诚沟通，以合适的方式予以应对07. 各级主管带头主动承担责任，敢于面对挑战和问题08. 各级主管能定期与员工沟通，反馈工作中优势和
个人思路，不管对错。
基于关系型数据库
1，敏感字段识别
根据梳理找出敏感字段。
2，脱敏列表生成
根据敏感字段名称到数据库中找出物理字段名，通过表间主外键关系找出所有相关字段。
脱敏字段1，物理字段1
脱敏字段1，物理字段2
要开发ARIS脚本必然需要一定量的测试数据，如何交付安全的测试数据呢？
1，全库导出
主数据A在传递过程，和其他主数据进行关联而扩展出来的数据，是否纳入到主数据A的分布图中。
举例：
数据元素：一种类型的元数据，它的质量有高低之分
常用数据类型
