企业数据治理要确保数据质量和可信度，需要从多个方面入手，构建一个全面而有效的数据治理体系。以下是一些关键措施：

制定明确的数据质量标准

数据质量标准是数据治理的基石。企业应明确数据的准确性、完整性、一致性、时效性、合规性等要求，为数据管理提供清晰的基准。这些标准应涵盖数据的采集、存储、处理、分析和应用等各个环节，确保数据在整个生命周期内都符合质量要求。

实施数据质量监控

通过数据质量监控工具或系统，企业应定期检测数据质量，及时发现并处理数据质量问题。监控内容应包括数据的完整性、准确性、一致性、唯一性等方面。同时，企业还应建立数据质量报告机制，定期向相关部门和人员报告数据质量情况，以便及时采取措施进行改进。

加强数据清洗与校验

数据清洗是确保数据质量的重要步骤。企业应对采集到的数据进行清洗，去除重复、无效、错误的数据，并进行校验，确保数据的准确性和完整性。此外，企业还应建立数据校验机制，对数据的格式、取值范围等进行校验，防止数据错误和异常值的出现。

优化数据管理流程

优化数据管理流程是提高数据质量的关键。企业应简化数据收集和处理流程，减少不必要的环节和冗余操作，提高数据处理的效率和准确性。同时，企业还应利用自动化工具和技术，如数据清洗工具、数据转换工具等，实现数据的自动化处理和分析，降低人为错误的风险。

加强人员培训和意识提升

人员的培训和意识提升是确保数据质量不可忽视的一环。企业应加强对员工的数据质量意识教育，让员工了解数据质量的重要性以及如何在日常工作中遵守数据标准和流程。此外，企业还应提供数据质量管理相关培训，提升员工的数据质量管理能力，确保员工能够熟练掌握数据质量监控、清洗、校验等技能。

建立数据质量责任制度

明确各个部门和人员在数据质量方面的职责和义务，是确保数据质量得到有效管理的重要保障。企业应建立数据质量责任制度，将数据质量纳入部门和个人的绩效考核体系，对违反数据质量规定的行为进行惩罚，对在数据质量管理工作中表现突出的部门和个人进行奖励。

持续优化和改进

数据治理是一个持续优化的过程。企业应定期评估数据治理的效果，根据业务需求和技术的发展，及时调整数据治理策略和措施。同时，企业还应积极引入新技术和新方法，如人工智能、大数据技术等，提升数据治理的智能化水平，进一步确保数据的质量和可信度。

综上所述，企业数据治理要确保数据质量和可信度，需要从制定明确的数据质量标准、实施数据质量监控、加强数据清洗与校验、优化数据管理流程、加强人员培训和意识提升、建立数据质量责任制度以及持续优化和改进等多个方面入手。通过这些措施的实施，企业可以构建一个全面而有效的数据治理体系，为企业的决策和发展提供可靠的数据支持。