知名咨询公司Gartner的调研显示，在实施
数据治理的企业中，有34%的企业数据治理处于良性建设阶段，有近50%的企业数据治理并未取得理想的效果，仅有16%的企业数据治理效果显著，处于行业领先水平。
影响企业数据治理建设成效的因素很多，主要有9个要素，如图3-2所示。
▲图3-2 企业数据治理的9个要素
01 数据战略
很多企业都说自己重视数据，但是能规划出明确的目标、范围、实施路径并具备可执行数据战略的企业却很少。企业的数据战略应当与业务战略保持一致，指明数据治理的方向。
02 组织机制
传统的企业管理思路是“火车跑得快，全靠车头带”，这是在工业时代最优的管理信条。而在数字时代，我们需要的是“动力分散在各节车厢的高铁”，每节“车厢”都有驱动力。企业需要进行组织机制转型，追求精简和灵活，明确各部门在企业数据治理中的角色、定位、职责和分工，以满足数字时代企业数据治理组织建设的要求。
03 数据文化
数据文化是企业所有人员对
数据价值的一致认同，具体表现为：用数据说话，用数据管理，用数据决策，用数据创新。
04 管理流程
数据治理的目标是提升数据质量，让数据源于业务，回馈业务。
与传统的数据管理不同的是，数据治理作为一项驱动企业创新的工作，应当与企业的业务流程进行深度融合，通过优化业务流程，实现业务效率提升，创造数据价值。应当将数据治理作为一项能为企业创造价值的重要业务，而不只是一项支撑性的工作。
05 管理制度
很多数据治理不理想的企业有一个共同特点：要么没有建立起数据治理相应的管理流程和制度，要么制度流于形式，没有得到很好的贯彻执行。这些企业管理层面缺乏制度体系的建设，执行层面没有标准可依，很容易出现违规情况。
06 数据
数据是企业
数字化转型的基础要素，但往往并不能在企业数字化转型中发挥出应有的价值。许多企业拥有大量数据，但其中大部分数据缺乏统一的
数据标准，信息孤岛问题严重，碎片化的数据在信息系统的数据库中“沉睡”，为数据治理带来困难。
07 人才
人才是推进企业数字化转型的核心动力，而当前市场上的高端数据治理人才非常匮乏，导致企业数据治理所需要的业务专家、技术专家长期缺位，企业招不到合适的人才。此外，很多企业还有招聘框架和人才竞争机制限制，进一步减少了其引入高端数据治理人才的机会。
08 技术
传统数据治理更多是“头痛医头，脚痛医脚”的局部治理。数据治理只在某些项目或部门中进行，缺乏对数据标准的整体规划，不能全面展开，无法为企业带来更多的价值。
要让数据治理发挥价值，必须战略性地使用数据治理技术，将数据治理贯穿于数据的“采、存、管、用”整个生命周期中。涉及的数据治理技术主要包括数据建模、数据标准、数据质量、数据安全、数据集成、数据处理、数据使用等。
企业的数据治理应做好全面规划，结合企业实际业务需求选择合适的技术路线，有条不紊地推进。
09 工具
数据治理包含
元数据管理系统、数据标准化管理系统、
数据清洗与加工工具、
数据质量管理系统、数据安全管理系统、数据集成与共享系统等。
“器以载道”，企业应根据自身业务需求，基于企业现状和数据战略目标选择合适的数据治理工具，才能达到事半功倍的效果。
（部分内容来源网络，如有侵权请联系删除）
