数据治理：说起来容易，做起来难？

“数据治理”这个10多年前就已经出现的名称，在最近这几年时间一下子火了起来。不知何时，江湖中流传出了：“数字转型、治理先行”的说法。

于是乎，我们看到：不仅是传统提供数据仓库、BI、主数据管理、元数据管理、数据集成等数据服务的软件供应商在说数据治理，“BATJ”等互联网公司，大型国企、央企也都在谈数据治理，很多企业都将数据治理作为数智化战略的一项必要举措，列入了企业的战略行动计划。

在众多谈论数据治理的企业或个人中，笔者发现大家对数据治理有着一个普遍的共识，那就是：“数据治理说起来容易，做起来难”！

01为什么要做数据治理，真的想透了吗？

在做数据治理咨询的过程中，经常会遇到以下对话场景：

请问你们为什么要做数据治理？
常见回答：我们要建立数据标准，提升数据质量，实现数据资产统一管理。

接着问：为什么要建立数据标准、提升数据质量，不做会怎样？
常见回答：数据质量问题比较多，无法提供准确的数据报表，影响业务效率，无法支撑企业的数字化转型。

再次问：都影响到了哪些数据报表、哪些业务？
常见回答：XX报表不准确、统计口径不一致、系统之间数据孤岛，数据集成困难……吧啦吧啦……

接着追问：为什么会造成数据报表不准确，口径不一致，系统集成难？
常见回答：因为数据标准一致，数据源的数据质量差。

到此为止，采用咨询常用的5Why分析法，似乎已经get出了数据治理的现状和目标。我们将其总结下：通过数据治理实现企业数据的标准化、提高数据质量、提升业务处理的效率，为数据分析提供准确的数据支撑，赋能业务，助力企业实现数字化转型。

但是，我们仔细分析这样的调研结果是浮于表面的，围绕数据的问题在原地打转，没有将为什么要做数据治理真正想透。

数据要产生价值，需要一个合理的“业务目标”，数据治理的所有活动应该围绕真实的业务目标而开展，建立数据标准、提升数据质量只是手段，而不是目标。因此

数据治理的第一步不是分析数据问题，而是分析业务问题，找到企业的核心业务诉求，定义数据治理的目标和范围。

02 数据治理不是什么高大上的东西，基本是脏活、累活！
数据治理很火，在DAMA 数据管理知识体系指南中，数据治理位于数据管理“车轮图”的正中央，是数据架构、数据建模、数据存储、数据安全、数据质量、元数据管理、主数据管理等10大数据管理领域的总纲，为各项数据管理活动提供总体指导策略。

DAMA-DMBOK2.0 数据管理车轮图
谈到数据治理，我们经常讲它是一个涉及到企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的一个综合体。没有数据治理实践经验的，一定会认为：哇，数据治理好“高大上”呀！又是战略、又是标准、又是文化的，听起来很高深吗！

然而，只有你真正做过数据治理人才知道：数据治理不仅都是苦活、累活，还是个受累不讨好，经常背锅，领导看不见价值的活。

都说数据是资产，数据治理很重要。尽快大家都说数据治理很重要，领导也很重视，但在很多企业真正实施的过程中，却总会遇到高层领导支持力度不足，业务部门人员配合不到位，数据治理的总是要给业务让路等等问题。究其原因：领导说重视数据，是真重视，还是嘴上说说？有没有将其纳入企业的战略行动计划？

数据治理要定战略、定制度、建组织，这是顶层策略，这每一项都牵一发而动全身，都需要高层领导的大力支持和推动，业务部门和技术部门的紧密协同。

数据治理要立标准、理流程、清数据，需要对每个数据域、数据实体、数据条目、数据项进行梳理和标准化，甚至有时候需要人工逐条、逐字段的定义数据标准、核实数据质量。数据治理人员不仅要有良好的数据思维，还要有足够的细心、耐心和体力才能实现企业数据质量的不断提升，打磨出适合企业的数据标准。

数据治理过程中，有时候是不被理解的。数据治理是个地基性工程，人们看到的永远是数据应用的“高楼大厦”，数据治理团队天天忙忙碌碌的，领导也不知道“这伙人”到底都在干啥？但是，只要数据出现问题，第一个被问责的就是数据治理团队。

03数据治理不是一个“项目”，想要立竿见影的效果？难！
项目是一系列独特的、复杂的并相互关联的活动，这些活动有着一个明确的目标或目的，必须在特定的时间、预算、资源限定内，依据规范完成。

那么，数据治理是项目吗？
是，当然是。
不论是全面的资产管理，还是针对特定领域的数据治理，都需要组建项目团队、定义项目目标和范围、制定项目计划、推进项目实施、最后是项目总结和结案。数据治理有明确的目标，有特定范围、质量、成本、时间、资源要求，从定义上讲数据治理当然是项目。

但是，通过一个数据治理项目的实施，即使这个项目预算很大，周期很长，是否就能解决企业数据管理和使用中的各种问题？是否就能培养出企业的数据文化，转变人们的数字化思维？是否就能实现企业管理和业务模式的创新？

一定不可能！
数据治理的最终目标是赋能业务，提升数据价值。这是一个持续漫长的运营过程，需要逐步完善、分步迭代，指望一步到位完成数据治理是不现实的。

项目型的数据治理，是不全面的，无延续性，能够解决一时的数据问题，但很难获得持续的数据价值。因此说，数据治理不是一个“项目”，而是一个持续运营的过程。我们也可以将这个过程，看作是由一个个数据治理“微项目”组成，连续的、螺旋上升的模型。一个项目的结案，不是企业数据治理的终点，而是企业数据治理真正的起点！