数据治理程序可以按照以下步骤进行：
明确企业的目标和愿景
确定数据治理的目标和愿景，例如提高数据质量、降低风险、提高数据可用性等。
通过有效沟通，确定行动计划，探索数据内部潜在的问题，为分析决策提供支撑。
数据清洗和分类
识别和修复数据中的错误、重复项和不一致性。
将数据进行分类，确定哪些数据是敏感的，哪些是公开的，以便更好地管理和保护数据。
制定数据政策和标准
建立数据政策和标准，包括数据访问权限、数据存储期限、数据命名规范等，确保数据一致性和合规性。
数据采集和整合
从各种来源可靠地收集数据，并集成到企业的数据存储中，以便更好地分析和利用。
数据安全和合规性
实施措施确保敏感数据不被未经授权的访问，遵守适用的法规和法律，确保数据合规性。
数据监控和质量控制
建立数据监控系统，实时跟踪数据的质量和完整性，及时发现问题并采取纠正措施。
培训和教育
对员工进行数据治理培训，确保他们理解数据治理的重要性和实施方法。
制定数据治理策略和规范
确定组织的数据治理目标，制定数据使用和保护的规范。
明确数据所有权和责任，制定数据访问和共享政策。
确认数据质量
评估数据的质量和完整性，制定数据质量管理计划。
管理数据存储和备份
确定数据存储和备份策略，确保数据的可靠性和安全性。
确定数据访问和共享规则
制定数据访问和共享规则，确保数据的安全性和隐私保护。
监控和审计数据使用
监控数据使用情况，确保数据使用符合规范和政策，制定数据审计计划。
更新数据治理策略和规范
根据实际情况，定期更新数据治理策略和规范，确保数据治理的有效性和适应性。
构建行业模型和规则
添加数据实体，构建行业模型，配置模型规则库。
自动生成数据流
根据映射推荐的结果，一键生成数据处理流程。
数据映射推荐
通过模型规则进行数据映射推荐，系统会自动执行匹配的模型算法，实现模型与数据源的关联处理，并自动基于模型映射关系给出推荐结果，形成映射关系推荐列表。
明确数据所有权
确定数据的所有者，明确其对数据的权利和责任，确保数据的准确性和可靠性。
确保数据安全
建立完善的数据安全保护机制，防止数据泄露、篡改或损坏，保障数据安全。
提高数据质量
制定数据质量标准，进行数据清洗和校验，提高数据的质量和准确性。
规范治理
统一按照最详细、可落地的方法进行规范建设，建立一系列的管理框架，避免指标重复建设和数据质量差的情况。
通过以上步骤，企业可以构建一个完备的数据治理体系，确保数据在采集、存储、处理、共享和保护等环节均符合合规性与有效性要求。