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”。
数字化浪潮的重点方向将是相关受益行业
单位是本轮数字化建设的主要需求方。对于众多大中型企业来说，数字化建设早已实施，比如银行、证券、政务、能源、电子、航空等诸多领域，而的数字化建设仍处于政务透明公开、办事效率提升的阶段，仍是业务驱动型的需求占主导，而业务驱动是属于刚需，并且政务内容的需求具有多样性和流程化的特点，决定了的数字化建设是本轮建设的重要领域。
数据治理数据安全现状
随着大数据的发展性、集中性和开放性的不断提高，数据安全的薄弱性开始凸显。国内外的数据泄露事件频频发生，用户的个人隐私和企业的数据安全受到极大的威胁和挑战。在数字化驱动的环境下，数据泄露已不再是单一式的外部攻击，逐渐转为内部人员对信息化系统的敏感信息进行倒卖或，数据安全防护岌岌可危，也是影响大数据发展的问题。
数据治理
敏感数据一旦泄露会给个人及社会带来严重危害，甚至对企业及组织带来不可估量的损失，那敏感数据到底有哪些呢?除法律、法规内界定的敏感数据（号、姓名、住址、银行帐号等）外，还有企业或组织机构不适合公开的数据，如企业的营业数据、网络结构等。但如何鉴别和分类敏感数据却存在诸多矛盾，由于不同地域、不同法律或部门也可能对同一类的数据归类不尽相同，这也给识别敏感数据带来一定的难度。