在进行数据治理的过程中，遇到了两个挑战：第一，数据多而分散，质量参差不齐，数据治理难度大;第二，不同粒度的数据难以有效融合，数据价值被低估。而这些挑战一直会存在，不断出现，主要三个方面的现实原因。

认知问题：目前对数据治理的认知存在误区，很多人将其等同于传统的数据清洗，认为是技术性问题，缺乏对其重要性的认识。

当前，数据治理还是非常传统，对数据治理不重视，而不重视的原因是企业对数据治理的认知是有问题的，还是把数据治理等同于传统的数据清洗。另外，数据治理应该包含安全合规、清晰透明、公平多样、高质高效等多个方面，而不仅仅是技术层面的处理。因为，数据治理单纯依靠技术无法解决，其中管理和沟通占据70%以上的工作，特别是传统行业大型集团型企业，IT系统差异大，业务和组织复杂度高，因此需要数据治理人员加倍耐心与各层级各条线沟通，深入理解业务，以布道者和服务者的姿态逐步推进数据治理的深入。

原生驱动力不足：数据治理往往因为外部压力(如成本控制)而启动，缺乏内在的原生驱动力，使得数据治理难以得到有效推进。

目前有的企业数据治理做的不好还是因为“不够痛”，第一是数据量太少，根据经验，一般企业只要数据用起来，数据的增长速度在一年涨一倍、两年涨三倍、三年涨七到九倍的范围。一旦数据开始增长，会出现存储费用高的问题，这时企业会意识到必须要做治理、降成本、做运维。

在公司里除非被迫，如管理层要求服务器成本必须降，才会有人去做这件事。这就变成了一种硬性指标，缺乏原生的驱动力，而是被动去干“脏话累活”。如果把数据治理等价于脏活累活，那这个数据治理怎么可能做的好呢?

另外，在实际项目中还存在这么个问题，比如老板给一个项目要求今天做完，那么员工一定不会想先去做数据，首先想到的是先做出一个能交差的结果。所以对数据的不重视是数据治理的一个最大问题。

企业历史数据的处理：历史数据的错误和问题难以丢弃，需要在治理过程中加以处理和纠正。

数据治理做不好，很多时候也是有心无力，尤其是大企业，其历史发展时间太长，以往的一些代码产生的问题数据没办法丢掉，只能在其错误数据基础上不停迭代，但这种情况也应该是有办法做好数据治理的。

综上所述，数据治理面临的挑战和机遇涵盖了认知问题、原生驱动力不足、数据治理的范围和目标、企业历史数据的处理、数据封闭性问题、数据治理的层次结构、法律和合规问题、大模型与数据治理的结合、数据价值与制度设计、人才培养和研究合作等多个方面。每个方面都需要综合考虑，才能有效推进数据治理的发展。