数据治理架构体系

数据治理架构体系
在上述背景之下，接下来看一下如何从 0 到 1 构建数据治理的架构。主要分以下 2 点来阐述。

数据治理的理念、目标和实施路径
实施支撑
（1）数据治理的理念、目标和实施路径
凡事要先立，也就是是数据治理的理念目标和实施路径，要非常明确。

数据治理的目标有三个“化”：首先是资产化，第二是价值化，第三是智能化。

数据治理的资产化
将原有的数据资源进行资产化，即将企业的数据资产进行盘点，对企业的数据资源目录进行整合，然后形成以数据资产为核心的数据治理的活动。

数据治理的价值化
基于前面已经资产化的内容，把一些良好的资产进行价值的输出，比如说让数据资产进行流通。其释放了流通价值，数据资产在反哺业务，形成了数据资产的二次价值。所以数据资产其实是可以释放多重价值。

数据治理数据的智能化
构建智能化的数据生态，提升企业的整体竞争力，包括构建全链接全场景全智能的数字世界——这是对于各个行业而言，都希望最终能达到的目标。

在以上目标之下，实施路径包括三个核心点：
第一点是逐步推进，分阶段有重点，抓住主要矛盾，集中资源去贴近业务，寻找数据治理的突破口。
第二点是以始为终，像我们去理解这个OKR一样，需要以结果去反推过程，以目标为导向去开展实施。
第三点是机制的系统化。数据治理不是一次性的工作，需要根据企业的现状进行机制的系统化和落地。这部分后面再详细讲一下具体的机制化系统化是如何去落地的。

（2）实施支撑
具体在实操过程中，实施支撑应该怎么样去做呢？整体是自上而下地规划。首先一定要去明确企业的蓝图纲领是什么意思，就是我们最终做数据治理这项工作对企业而言意味着什么？可以说，每个企业的期望，在大的层面是相同的，小的层面是不同的，所以需要以纲领去指导整个制度方面和方针层面的一些工作思路，并对制度进行细化，再落到流程上去约束和指导实操。最终要实践这个流程，需要落地到平台支撑上。

制度：方针
从制度和方针看，这里着重说三点：
第一点是在整个制度的建设上，有了蓝图和纲领，内容也需要持续的跟踪。
第二点是需要去建立量化的评价指标。
第三个是关键的一点，在最开始做这个工作的时候，要建立权责机制。

接下来，流程实践需要哪些对应的保障措施呢？
第一点是治理文化。这包括培训、公众号，也包括我们经常讲到要让我们的业务员和技术人员有满足感，建立自己的数据技能的梯队。
第二点是在组织保障，即三层组织架构管理，战略、管理、执行。在这个过程中运用好核心是要把握住我们的柔性组织，建立全方位、跨部门、跨层级的组织柔性组织，并且把成员的优化和成员的定位及时告知每一个角色，让大家各司其职。
第三点就是考核与激励。从制度层面看，大部分的金融企业在考核层面有一定的难度，但考核与激励是保障整个数据认责体系的有效执行，以及数据治理各个管理域的工作落实到位的核心手段。

平台工具支撑
从平台支撑方面看，有核心的两点需要去注意：

第一点：标准化与定制化的落地关系
很多金融原生企业，之前也采购过一些平台，现在它无法跟其他数据管理域进行连接。这种情况，应该怎么做？数据治理平台工具支撑，它其实不是光选择标准化的治理模块就可以解决的问题，核心是要把定制化流程进行落地。我们把这套机制设计出来之后，要在没有人干预的情况下有效地落实。其实核心靠的就是平台自己自动化地把我们这部分的治理思路进行落地。

第二点：平台内容建设的需求与供给
我们可能也经常会被财务问：为什么我们平台建设花了这么多钱之后，数据治理和数据资产这一层面没有还没有形成有效的价值输出？

平台建设完之后，它的内容建设也极其关键。内容建设方面，是需求侧和供给侧的双轮驱动。在供给侧，平台建设团队会以产品的思维提出建设方向；在需求侧，是以用处置提供融合的场景去填充我们平台的内容。