敏捷开发的12个原则如下： 原则1：尽早并持续的交付有价值的软件以满足客户需求。 对数据治理来讲，如何让业务快速拿到想要的数据是需要重点考虑的问题。业务人员应当参与数据需求分析，甚至取数的过程中，实现业务的自助取数、自助探索、自助分析，是解决数据持续交付的重点。 原则2：敏捷流程欢迎需求的变化，并利用这种变化来提高用户的竞争优势。 对数据治理来讲，从业务端数据的需求，到技术端数据的采、存、管、用，都在时刻发生着变化，数据治理人员应当认识到这一点，并且保持开放和学习的心态，欢迎变更，迎接变化，才能了解市场、理解业务，从而不断赋能业务，以支持业务的持续创新。 

原则3：经常发布可用的软件而不是文档，发布间隔可以从几周到几个月，能短则短。 对数据治理来讲，数据标准是基础，只有将数据标准在各个业务流程、各个业务系统中使用起来才能检验出标准的适用性，并为标准的修订提供实践参考。数据标准是干出来的，不是写出来的，发布再多的标准文档、管理规范，不如将其中的一个或几个先用起来，再考虑如何用得好。 原则4：业务人员和开发人员在项目开发过程中应该每天共同工作。 对数据治理来讲，业务和技术应是紧密的合作伙伴，而非敌对的“冤家”，团队之间需要相互协作和协同配合。业务人员制定的规则、定义的标准要和技术人员沟通如何有效落地，技术人员的数据建模、跑数规则、计算方法、数据结果也需要和业务人员验证是否满足业务的用数需求。 原则5：以有进取心的人为项目核心，充分支持信任他们。 对数据治理来讲，需要一个懂业务、懂技术、擅沟通、会管理、有意愿、有进取心的数据治理项目负责人，设法找到他并给他充分的授权，是数据治理项目取得成功的关键。 原则6：无论团队内外，面对面的交流始终是最有效的沟通方式。 面对面沟通依然是最有效的沟通方式，尽管视频会议、语音电话已经非常普及了，但是隔着屏幕的沟通，总会给人一种隔阂感，让人不能畅所欲言，并且容易引起误解。 原则7：可用的软件是衡量项目进展的主要指标。 对于数据治理来讲，不可能一步到位就将数据治理的“完美无缺”，与其追求完美的数据管理策略，不如将重点放在如何让用户快速拿到满足业务需求的数据，再根据用户的反馈逐步优化。

原则8：敏捷开发倡导可持续的发展。领导，团队和用户应该能按照目前的步调持续合作下去。 很多企业数据治理的失败案例，其原因并不是数据标准没能建起来，也不是数据管理工具不完善，而更多的是将数据治理作为一个项目在运行。当项目一旦结束，项目团队解散，定义的数据治理策略、标准常常被束之高阁，时间一久，便无人问津了。因此，企业数据治理必须要建立起长治久安、持续运行的机制。 原则9：持续关注卓越的技术和优良的设计，会增强敏捷能力。 对数据治理来讲，使用云计算、大数据、人工智能、机器学习等先进技术的使用，能够让数据治理变得高效而智能。在数据梳理和识别、数据建模、元数据管理、主数据管理、数据质量管理、数据安全管理等领域均可使用先进的技术来赋能数据管理。 原则10：简明为本——它是极力简化不必要的工作量的技艺。 当今世界，信息爆炸、数据繁杂、真伪并存，不完整、不准确、不真实的数据带来不仅不是明智的洞察力，还有可能是误导！在纷繁的信息中我们思考问题要善于简化，抓住重点，聚焦核心问题，以终为始、抽丝剥茧、多维度收集信息、多角度思考问题，找到高效的解决方案。 

原则11：最好的架构、需求和设计出自于自组织团队。 很多企业做数据治理，总是寄希望于供应商和外部专家，希望通过借用外部的力量解决企业内部的数据管理和使用上的问题。殊不知，“打铁还需自身硬”，从数据标准的制定到治理策略的执行，从数据整理、清洗、编码等基础工作到数据质量稽查、报告和整改等等，这一切都必须由企业自己来做，外部资源能支持更多的是经验和方法。 原则12：时时总结如何提高团队效率并付诸行动。 对数据治理来讲，通过不断的Review，能够找到哪些策略没有被执行；哪些策略执行过程中遇到了问题，都遇到了什么样问题，问题能否解决；哪些策略为业务带来了价值，而哪些策略还有调整和优化的空间。 敏捷开发的原则是对敏捷价值观的解释和实践，它将敏捷和价值观落实到具体的可操作的原则之上。对于数据治理来讲，并不只是简单的套用敏捷的原则它就能“敏捷”了。而是要真正理解敏捷的价值观，以“使用需求”为驱动，针对企业高价值的数据资产开展治理。