企业如何从0到1进行数据治理之认责项目？

内容梗概：

1）企业为何需要做数据认责，客户出现的实际问题；

2）数据认责的理论支持有哪些；

3）如何开展数据认责；

4）数据认责价值及作用；

5）如何选择咨询公司和对应的产品。

引言

企业数据治理谁之责？

伴随企业信息化的建设和发展历程，在传统认知中关注更多的是功能层面对于业务活动的支撑，而数据则是“信息化的一种副产品”。因此，企业信息部门自然而然地、也理所应当地担负着数据管理和维护的相关职责。而当遇到数据问题的时候，信息部门也就成为首要追责对象。这种“出了问题，找谁”的逻辑，实际上也是开展数据认责的一种“源动力”。在探究信息部门到底是不是数据问题的真正责任者的时候，我们会发现：业务部门实际上在其中扮演着更加关键的角色。例如：业务部门最清楚数据定义及其所适用的业务规则，业务人员负责在业务活动中数据录入和使用数据等等·。随着企业信息化的不断深入，以及数字化的不断推进，信息部门实际上已经很难以应对方方面面的数据问题和挑战了。例如：数据质量到底什么才叫“好”？数据分析指标和数据应用到底如何适应和满足业务需求？数据价值如何挖掘？等等。这些场景都需要除信息部门以外的业务专家、数据科学家等更多角色的共同参与。此外，随着数据本身的价值越来越受到重视，大数据等新兴技术的崛起，数字经济、数据化发展浪潮助推之下，数据正有逐步业务化的趋势。因此，本着一种基于各自专业优势和实际数据职责的更合理的权责分配，企业数据治理需要业务部门和信息部门的共同参与，共担其责！

多层级企业数据管理责任现状

这种随企业信息化建设发展而形成的数据管理权责偏废与不清的问题，在许多大型的多层级企业中会更加突出和棘手。诸如运营商、商业银行、电网公司这样的集团型企业就是典型的多层级企业，从总部、省级公司、市级单位直到区县级单位，分了多个管理层级。而多层级企业数据管理普遍存“在两条线”，即业务专业条线和信息专业条线。一方面，数据管理责任重信息而轻业务，即数据管理工作多由信息部门发起并负责，业务部门主要是配合、参与。另一方面，数据管理要求可能按信息和业务两条线同步逐级下达，在可能造成令出多门困扰的同时，相关管理要求也多停留于文件纸面，传达和理解层层衰减，对基层的指导不具体、要求不明确。因此，也常常存在信息和业务两条线之间的数据责任不平衡问题——信息部门与业务部门尚未按照资产化的管理模式建立和落实数据责任分工，“一己之力”难以全面推进公司数据治理各项工作。同时，在各层级之间数据责任不能贯穿到底——数据管理的力道逐级衰减，录入、使用、质量改进等责任没有按照业务线条深入落实到基层单位、岗位，相关数据问题始终难以得到有效管控，“前清后乱”成为困局。这类责任不合理、不明确、不清晰的问题常常是造成很多数据治理或管理问题产生的根本原因和症结所在。而单纯依靠局部治理的做法已经到达瓶颈，必须在明确数据管理与应用各方权责的基础上，通过系统性、流域性地综合施治方能收效。

认识数据认责

RECOGNIZE  ACCOUNTABILITY

从数据质量人人有责说起

多年前，随着“质量就是生命”意识的树立，大多数企业都启动和实施了各自的全面质量管理（TQM）计划，其目标包括没有产品缺陷以及100％满意的客户。同期，随质量话题的延展，数据质量也成为其中一个研究领域。其中，美国麻省理工学院的全面数据质量管理（TDQM）研究工作源于对高质量数据的行业需求，提出了全面性、全员性、全过程的全面数据质量观。其中的全员性强调：在集中统一领导下，把各部门工作有机组织起来，人人都必须为提高数据质量、加强质量管理尽职尽责，即数据质量人人有责。这也是较早的从数据质量的角度，对企业人员数据责任的一个观点阐述。

以数据管理专员构建治理组织

随着数据治理理论的提出和不断完善、成熟，DAMA-DMBOK1.0中给出了企业数据治理的参考组织架构。在这个组织架构中，除了首席数据官、数据治理委员会等较高层级的组织设置，还强调在业务专业子领域或者业务执行机构，面向业务主题域设置业务数据管理专员。由数据管理专员在职能部门或者项目组织的协调下，面向各自所负责的一部分企业数据开展具体的治理工作，并决相关的数据问题。因此，他们也成为整个数据治理组织中直接接触并管理数据的骨干力量。

数据管理专员和数据管理专员制度

这里提到的数据管理专员（Data Steward，亦有译作“数据管家”）是一个管家式的角色。他与数据的所有者相对应，虽然数据不归管理专员所有，但是他们替所有者代管数据——数据所有者具有数据的所有权，而数据管理专员行使数据的管理权。而数据管理专员制度（Data Stewardship）主要探讨业务部门应承担的数据管理角色、职责以及相应的能力要求和制度设计，即数据管理专员的制度机制设计。既然赋予数据管理专员行使数据的管理权，那么对应的，他就要担负相应的的责任——责权对等（更好的，还应当考虑“利”的因素）。因此，数据管理专员制度可以理解为：为数据资产管理而分配、委托的业务职责（shòu quán）和正式的认责，是数据管理工作在业务方面的职责。由此，我们认为建立数据管理专员制度是数据认责的主要内涵。

数据治理，认责为先

与其他管理工作类似，企业数据治理体系的建立首先要解决组织，也就是队伍和人的问题——通常所说“搭班子”。而企业内有效开展数据治理的第一要素仍然是人。因此，数据认责是企业构建数据治理体系的一项十分重要的基础性工作。只有明确数据的所有、管理、开发、维护、使用等相关权责，才能够有效推动数据治理，并取得成效。换句话说，数据认责的根本目的就是要通过明确企业内的各类数据责任者，并形成相互关联的数据责任关系（工作网络），从而建立起以责任为基础的数据治理组织，为全面、协调推动各项数据治理工作提供基础和保障。

如何开展数据认责？

HOW  ACCOUNTABILITY

数据认责的总体原则

在开展数据认责前，需要明确几点指导性的原则：

一是人人有责、人人尽责应当在企业中逐步树立起数据治理人人有责、人人尽责的责任文化和理念。数据治理不仅是信息部门的事，也不仅是业务部门的事，公司全员都在数据治理的大体系、大生态之中各尽其责。

二是业务为主、认责到岗按照DAMA-DMBOK，数据管理专员以及数据管理专员责任制，探讨的是数据管理工作在业务方面的职责，或者说业务部门应承担的数据管理角色、职责以及相应的能力要求和制度设计。为什么特别强调业务部门呢？原因就在于大多数企业中普遍存在的信息与业务部门间关于数据管理责任的不平衡——信息部门承担了过多的、甚至是不适合的责任；而业务部门多数在数据管理中处于“配合”信息部门的从属地位。因此，数据认责应当回归以对应业务归口管理部门为主的“数据管理专员制度”，构建责任合理、均衡、清晰的数据治理组织体系和工作关系。同时，数据责任应落到具体的岗位，明确对应的责任人员，这样才能实现有效追责。此外，认责到岗的另一点考虑是将数据责任与企业的人资岗位设置、职责以及人员能力相匹配、相融合，从而规范人员培养、管理和考核。这也将有利于数据责任的落实。

三是滚动开展、问题导向 & 价值驱动数据责任的明确、落实以及优化与数据治理、数据文化的建立一样，需要一个循序渐进的过程，不可一蹴而就。责任意识进脑袋、责任规范落行动需要踏石留痕、稳步推进。同时，认责好不好不在于分解责任细不细、涉及人员多不多，而在于是否有助于解决实际问题，特别是数据管理中深层次的责权问题，还在于是否有助于业务价值、乃至企业战略的实现。从很多实践来看，国外企业多采用敏捷实践，从细微处推进数据认责；而国内企业则多倾向于自上而下，做好制度机制的顶层设计。

数据认责管理的总体框架数据认责管理框架是为企业开展数据认责工作、建立数据认责的管理体系提供指引。开展数据认责管理或者建立数据认责的管理体系，首先要建立适合于本组织管理机制、管理文化的数据认责管理组织，明确角色、职责以及在组织体系内的工作关系。其次，要定义数据认责的管理内容，也就是数据认责管理组织所承担的任务，包括判定数据的业务归口管里方、制定计划并组织认责实施以及数据认责的日常性管理、评价考核等。然后，数据认责管理组织、管理内容的相关内容需要通过制度规范加以确立（授权，有法可依）和规范化。在此基础上，企业将在职能领域和项目过程两个维度上开展数据认责。同时，数据认责管理各项工作的有效开展有赖于相关技术和工具的支撑，以此提升数据认责管理工作的科学性、规范化，并降低人工开销和人为错误的可能。

数据认责的组织

企业的数据认责组织主要包含以下四类角色：

1. 数据所有者/数据所有者代表在多数企业中，通常由管理层主要人员组成的“数据资产管理委员会”或者类似组织作为企业数据的所有者，其主要职责就是授权、决策。也有企业将数据的业务归口管理部门作为对应数据的所有者，以强化其主体性。同时，为便于企业数据日常管理工作的计划、组织和监督，企业中通常由信息管理部门或者设立数据管理部门作为数据所有者代表，其主要职责包括：制定战略、制定政策、监督、协调等。

2. 数据主责方数据主责方也就是数据的归口管理业务部门。之所以称之为“主责”，主要是因为其作为数据业务特性的维护者，在数据的定义、管理以及应用中发挥更加主要的作用。数据主责方的主要职责包括：制定具体的领域数据治理方案（包括标准、质量、安全、应用等）并组织实施、管理数据需求和问题。

3. 数据操作认责方数据操作认责方在企业内是一个泛化的群体，主要遵从主责方的数据治理方案，在数据录入和使用活动中执行相关管理要求，并提出数据需求、参与数据问题的解决。4. 数据技术认责方

通常由企业IT技术部门承担，主要职责是管理数据架构，提供数据技术方案、开发建设数据平台和应用，实现相关数据需求并参与数据问题解决，以支撑主责方的数据治理方案落地。

数据认责的实施方法

企业构建数据认责机制大致上需要完成数据认责的制度规范建立和实施落地两部分工作。这两部分孰先孰后其实并无定论。通常，企业基于一般的管理制度建立程序，会选择先设计和发布数据认责的相关制度规范，然后再开展相应的实施工作，使数据认责机制运转起来。当然，也可以选择更为敏捷的路线，通过小范围先行先试累积经验，然后再完善规范化的制度约束。各有各的优势。就数据认责的落地实施方法和实施策略而言，以问题为导向、聚焦关键数据对象（KDO）、小步推进的方式成为开展数据认责实施时的一种更好的选择。数据问题，或者说问题导向是开展数据认责的主要切入点。时至今日，各企业、组织在开展数据治理的时候，不约而同地都将注意力集中到治理工作的落地、见效上，这也成为决策一项数据治理活动是否发起的一个主要考量因素。而企业中目前所存在的大大小小的各类数据问题，或轻或重地刺痛着业务活动，这其中就包含相当一部分以数据管理权责的不明确或者错位为根源而导致的问题。此外，数据需求、数据安全等企业数据治理的优先关注领域往往会出现责任沙漠，也可以开展数据认责的切入点。而提升数据质量常常作为数据认责的落脚点，其原因就在于问题导向较为直接，能够帮助解决真正的数据痛点。但不论选择什么样的切入点，亦或落脚于何处，归根结底还在于业务价值的体现。因此，我们推荐的数据认责实施方法是将数据认责与数据问题分析、核心数据识别进行有效衔接、有机融合，从而使数据认责更具针对性、更敏捷、更容易见效、也更加具有生命力。

1、广泛收集企业范围内的数据问题，经过分析、识别、优选形成待认责的数据清单。可借鉴核心数据的梳理和识别方法，或与企业已有的数据问题管控机制相结合。

2、针对认责数据梳理认责关系矩阵和管理要求清册。一手抓数据责任关系，一手抓数据责任的尽责要求，让数据的所有者、业务归口管理者、操作责任者、技术责任者等相关人员都能清楚自身所担负的数据责任，以及尽职履责的要求和标准。

3、 结合数据质量整治或者其他数据管理工作，回到数据问题解决的闭环过程之中，循环往复，并在这一过程中不断强化和落实数据责任。对于着手对自身数据资产进行规范化管理的企业而言，可以考虑将数据认责作为企业数据资产盘点之后的一项紧后工作加以推进——首先明确企业的数据资产清单，即管理对象，再明确其以对应管理者为首的各方责任者，从而驶入有序、规范的管理轨道。

数据认责的运营管理

完成数据认责制度规范和落地实施工作仅仅是一个开始，作为企业的一项管理机制，后继还需要通过常态化的运营和管理使之持续发挥效用、良性运转，这往往是很多数据治理的从业者在进行数据认责规划时很容易忽略的一部分。如前文所述，数据认责不可能一蹴而就，需要循序渐进地逐步开展。因此，数据认责运营管理的一个重要活动就是计划与执行的管理——不断地分析和发掘数据问题中与认责有关的部分，制定区分轻重缓急的数据认责计划，而后执行和实施。企业中数据责任关系并非一成不变。数据认责的运营管理需要随组织机构、业务流程的变动而及时调整和更新数据认责矩阵，保证矩阵与实际的一致。唯有这样才能使数据认责矩阵保持鲜活、保持可用，否则前期实施工作成果将付诸东流。同时，数据认责矩阵也不是数据认责的终点。数据认责矩阵，或者说数据责任关系，必须要应用于数据问题的定则、追责，通过数据问题的解决发挥其价值，并使责任意识得到不断强化。为此，数据认责运营管理的有效性很大程度上有赖于数据问题的定则、追责执行情况。此外，企业数据认责工作的沟通、团队培养和能力提升也是运营管理中不可或缺的内容。

数据认责的价值

ACCOUNTABILITY'S VALUE如前文所述，数据认责是企业数据治理体系构建过程中的一项重要的基础性工作。因此，它所带来的价值不会很直接，但却影响广泛而深远。首先，通过明确企业内各方的角色划分和责任定义，为数据治理的组织构建和工作开展奠定了坚实的基础。其次，通过明确各类数据责任，认责到岗、追责到人，形成人人有责、责权相连的责任关系和工作网络。以此为基础，可实现对数据问题责任者的快速定位，推动数据问题得到有效整治和解决；可藉由数据责任将数据规范贯至作业环节，从源头上防控新增数据问题的产生，正本清源。由此再扩展和引申，由数据对业务的刻画，以及业务管理要求的数据规则化，相生相伴，数据认责可以促进管理更加规范、顺畅，相关管理要求得到更好、更精准的落实与执行，并实现在更细微的粒度上感知和改进业务活动，支撑业务管理精益化。从数据治理各职能间的关系来看，数据认责的这种基础性作用和价值同样显而易见——它是数据标准、质量、安全以及元数据管理的共同基础，与之有着十分密切的联系。通过数据认责明确各方的数据责任，进而理顺关系，以数据的业务归口管理者为首，制定数据标准、解决数据问题、确定数据的安全等级和安全策略、完善元数据，推动数据标准、数据质量、数据安全以及元数据管理工作同步、协同开展。这将有助于企业现存的很多数据管理问题得到较为彻底地解决。此外，从经济价值的角度来看，通过明确数据责任关系、加强源头治理及数据生命周期各环节的管理，数据认责可以以降低数据管理以及相关问题治理成本的方式，为企业带来相应的经济效益。特别是对于因为数据责任缺失、数据规则落实不到位而造成的问题反复和重复治理，相关的投入将逐步得到削减。

数据认责技术工具建设

CONSTRUCTION OF ACCOUNTABILITY TOOLS数据认责机制在企业内的建立、实施和运营包含了很多流程化的过程以及细致、繁琐的操作，特别是对于认责矩阵中成千上万数据责任关系的查询和维护。随着企业数据认责范围的不断扩大以及认责粒度的不断细化，相关工作量和复杂性也会持续增长，以至于成为单纯依赖人工所不可能完成的任务。因此，企业在规划数据认责机制建设的过程中，需要适时考虑数据认责技术工具的建设问题。而数据认责工具建设的目标主要着眼于解决以下问题，并提高数据认责管理工作的整体效率：

1、能够基于企业数据资产的梳理成果，辅助完成责任关系的梳理，构建认责矩阵；

2、能够对数据认责矩阵中的责任关系进行智能化的校核，主动识别责任缺失、重叠、冲突等情况，并辅助管理人员完成对数据责任的变更和维护；3、能够提供从组织机构、人员、数据、责任类型等对数据责任关系进行多维度查询，便于定责、追责；

4、能偶提供从数据认责计划制定、实施过程监控到工作评价的全过程流程化支持和管控；

5、提供企业数据认责开展情况的可视化分析与展现，辅助管理人员进行认责计划的制定和决策；

6、能够与企业既有的数据资产管理、数据质量管理等技术支撑系统进行集成或融合，使数据责任关系能够有效应用于数据管理与应用的各环节，发挥其价值。