⑤ 数据安全治理
随着数据安全问题频发，人们对数据的安全意识越来越强烈，数据安全治理也越来越关键。阿里巴巴通过基础的数据分级、权限控制来达到规范安全使用数据的目的，并通过敏感数据发现与脱敏，与第三方协作时构建可信计算环境（即联邦建模），以及数据的风险审计来搭建数据安全的完整体系。
其中对数据的分类，面向阿里庞大的数据体量，使用人工的方式很不现实，阿里自建了一套自动的数据打标工具，集合人工调整的方式，更合理地管理数据的分类分级体系。
⑥ 数据成本治理
通过设立组织大的成本目标，然后通过培养个人的成本意识，在数据的计算与存储、治理与运营层面建立具体目标去细化和落地，来推进数据治理方面的成本管理。比如阿里巴巴2020年成本治理的目标：数据成本增速不能超过业务增速。
3. 阿里巴巴数据治理的成功关键
数据治理是一个非常庞大且细致的工作，阿里数据治理方面的成功主要源于上图三个方面。
DT时代的核心思维就是数据的资产化，阿里将数据的资产化以及围绕数据资产的价值的挖掘作为治理的核心目标。
从自上而下来看，站在全公司的高度来顶层设计，着手解决数据的管理问题，提供足够的授权和支持。
从下而上来看，通过构建强大的技术平台支撑和完善的运营体系两个方面促进治理的切实落地。
- 一套组织体系与制度
阿里构建了以数据管理团队负责人、业务线数据负责人、数据平台负责人为核心的虚拟数据治理小组，从组织上划分清洗数据治理的权责边界， 并且从管理办法、管理流程、技术规范及模板等建立起完整的数据治理制度保障。
- 一部数据资产管理方法论：按照数据运营思想贯穿数据建设的全过程。
- 一组平台工具支撑
强大的平台能力支撑是治理落地的核心保障，技术的创新和演进是数据治理落地的坚实基础。阿里自研了DataWorks和MaxCompute两个平台，支撑全司的数据治理落地。
DataWorks：阿里自研的一站式大数据开发和治理平台，各类存储和计算引擎的上层操作系统，提供数据集成、数据开发、数据地图、数据质量、数据安全和数据服务等全方位的产品服务，帮助企业专注于数据价值的挖掘和探索。
MaxCompute：自研、全托管、EB级大数据存储和计算引擎，阿里自研的安全可靠、高效能、低成本、从GB到EB级别按需弹性伸缩的在线大数据计算服务，致力于海量结构化、半结构化数据的存储和计算服务，提供数据仓库的解决方案及分析建模服。
- 运营落地
组织、制度、平台有了之后，推动数据治理落地最后一公里的治理运营是成功的关键因素。阿里巴巴构建了量化的治理的评价体系（健康分）、日常治理运营推送和专项整治活动密切结合。
