为什么要数据治理？怎样开始？一份企业数据治理工作启动宣贯材料

编者按：数据的重要性已无需赘述，为了管好和用好数据，数据治理工作的价值日益凸显，而数据治理是企业整体层面的一项工作，需要各单位协作，而在开始数据治理之前，企业中大部分成员对数据治理的了解往往是比较少的，所以在正式启动数据治理时的宣贯以及后续多次的培训就非常重要了。本文来自于一份在数据治理启动之初面向企业全员特别是管理层的宣贯材料（节选），让此前没有接触过数据治理的大家对数据治理有个初步印象，初步明晰大致的工作方向和内容。在以往的企业信息化建设中，常规主要是按功能维度开展建设的，比如需要财务管理就建设财务相关系统、需要人力管理就建设人力资源系统、……，在早期确实也导致了烟囱式的情况，在一定意义上这是信息化发展过程必经的一个阶段。

后来随着业务和技术的发展，企业越来越意识到系统集成应用的重要性，即多系统的功能集成和异构数据交互，所以后一阶段信息化建设集成应用的重点早已不是打通烟囱，而是更加关注业务和数据的更佳运行。

经过上述建设阶段，在功能方面基本上是可以满足需求的，而随着系统的建设，也沉淀了大量的数据，当希望整合数据开展一些工作时，可能就会发现在此前的建设中往往缺乏数据维度的视角，完全按功能维度的系统建设在数据方面存在不足，直观感受就是数据不准确、不够用、不好用。

比如，数据质量低导致的计算结果错误，取数逻辑有误导致报表数据不准确；再比如希望统计某些数据时发现相关数据根本就没有，即便有某类数据但缺少分析需要的关键内容；还比如数据仓库中数据很多，但很难找到需要的数据，好不容易找到了却发现数据更新不及时导致的时效性低而不可用，等等，各种各样的数据问题数不胜数，……，企业中的每个人或许都深受困扰。

随着数据问题的凸显，更因为对数据价值的期望越来越高，大家发现，无论是数字化转型，还是信息化；无论是数据价值化，还只是数据标准化；无论是希望把BI用好，还是想要的只是报表数据准确和丰富，……，把数据管好都是基础。

而数据治理正是解决数据问题的关键方法之一。

数据治理常规有两个层面的效果，第一个层面是通过治理，让集成应用下的系统更好用，比如数据标准化做的好，数据定义清晰（其实也是业务逻辑清晰），管控有效，那么各个系统产生的数据质量会更高；再比如跨系统跨组织的应用，诸如对客商、项目、人员和组织等共享数据的有效管理（主数据管理），可以保障多系统多组织之间的数据规范、一致，无歧义的数据才能保障其承载的业务逻辑的准确，等等。

第二个层面是通过数据治理，数据才能够被更好的查询、分析和价值挖掘，现在随着市场、业务和企业自身的快速发展与变化，对数据的查询分析往往是跨功能、跨系统、跨业务、跨领域的，对业务相关性、多维度、超深度、前瞻性的数据分析要求越来越高，面对种类繁杂的海量数据，如果不做相应的管理，就像把几大盒上万块的小颗粒拼图混在一起，希望拼出完整图案是极其困难的。

数据治理，宏观上，以终为始统揽全局，即希望后来查什么样的数据，那么就把数据放到前边应用系统相应的业务逻辑中（或者实质就是应该让数据完整体现业务，按企业架构的业务架构、数据架构、应用架构、技术架构去做），希望观察业务的360全角度视图那么就要有全局的数据视角（而非过去单个系统和单一业务的视角），并以此全局视角指导系统建设；微观上，要把每个数据说的清清楚楚（元数据），含义、关系、类型、权限、存储方式、校验规则等等，并且建立数据目录，可以按图索骥的找到所需数据。

通过有效的数据治理，企业将拥有丰富的、高质量的数据，通过数据可以知道需要知道的和希望知道的一切，通过数据企业变得一览无余，让企业管理者能够成为企业洞察者。

2020年4月9日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》颁布，数据与土地、劳动力、资本、技术等传统要素一样，被列为新型生产要素，开辟了数字资产的新时代。那么企业数据的资产化，将直接体现出数据的价值（包括货币价值），而基于数字化的业务转型，即数字化转型将产生新的业务，新的业务模式或将造就新的企业，新的企业将带动新的产业。那么通过数据赋能，企业洞察力将升级为产业洞察力，企业管理者进而可以成为产业洞察者，看清楚自己，看清楚产业，企业的管理和经营将更准确。

数字经济时代，在企业发展的内外要求下，企业不仅有自发的数据治理动力，对国有企业来说，数据治理也是工作要求。国务院国资委办公厅在2020年8月21日下发的《关于加快推进国有企业数字化转型工作的通知》中也明确指出数据基础是数字化转型的四个基础之一，要求加快集团数据治理体系建设，“明确数据治理归口管理部门，加强数据标准化、元数据和主数据管理工作，定期评估数据治理能力成熟度。加强生产现场、服务过程等数据动态采集，建立覆盖全业务链条的数据采集、传输和汇聚体系。加快大数据平台建设，创新数据融合分析与共享交换机制。强化业务场景数据建模，深入挖掘数据价值，提升数据洞察能力。”

数据治理很重要，那么究竟什么是数据治理呢？国际数据管理协会DAMA在其数据管理知识体系DAMA-DMBOK2中的定义是：数据治理（Data Governance，DG）是在管理数据资产的过程中行使权力和管控，包括计划、监控和实施。

数据治理与管理的关系是“数据治理的职能是指导其他数据管理领域的活动，其目的是确保根据数据管理制度和最佳实践正确的管理数据。而数据管理的整体驱动力是确保组织可以从其数据中获得价值，数据治理聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式”。

数据治理具体包括哪些方面呢？在DAMA-DMBOK2中，在数据治理的统领下，主要包括了10个领域。

其中每个领域下都包括有非常多、非常深的内容，如果觉得数据治理比较复杂，这个感觉是准确的，数据治理确实是非常复杂和非常专业的事，需要有专职和专业的团队，参考诸如DAMA2、ISO38505-1、DGI（国际数据治理研究所）、DCMM（GB36073-2018数据管理能力成熟度评估模型）等数据治理框架、模型、方法论，利用专业的工具和系统开展工作。需要特别说明的一点是，数据及相关方法和技术仅仅是数据治理工作的一个方面，更为重要的是业务和管理，数据治理一定是与企业的业务和管理密切相关的，与信息化建设等项目类似，都是业务和技术高度融合的工作。

谈到数据治理相关的信息系统，其实以往也有很多，比如ETL工具（数据的抽取、转换、加载）、数据仓库、主数据管理系统、元数据管理系统、数据资产目录管理系统、数据标准管理系统、……。而现阶段热度较高的是近些年出现的数据中台，数据中台的概念和功能也一直在发展，目前较为典型的数据中台常规上整合了数据治理所需的主要功能，如下图是中国电子系统技术有限公司的数据中台产品。用户可根据业务和数据规模等情况酌情选择所需的各种数据治理系统。

如上极其简要的介绍了数据治理是什么，并且也有方法和工具，那么数据治理做起来容易吗？一般情况下，非常不容易。以去年行业内较热的一本书《华为数据之道》的内容举例，对华为这样卓越的企业，数据治理从启动到如今的常态化，也经历了十余年的时间，投入也是非常非常大的。

那么再以集团型企业开展数据治理工作为例，会遇到哪些困难呢？比如：成员企业数量多类型多、业态多和业务类型繁杂、成员企业发展情况不一样、信息化水平参差不齐、大量异构系统和信息孤岛、成员企业数据治理程度不同、数据标准不统一、海量数据、数据类型多质量差，以及会不断出现的新形势、新业务、新课题、……。

怎样应对这些困难呢？了解现状、建设专业团队和专业系统、建立标准、分析问题寻求对策、全集团同心协力、借助外部专业能力、自上而下赋能、自下而上汇聚成果、数据一体化实现的集团一体化、……。数据治理的工作，启动后就要一直持续下去，中间要克服很多很多困难，我有时举例说，数据治理就像是 跨栏式马拉松。

综上所述，在数字化转型趋势下，必须要获得数据价值，而如果希望获得数据的价值，那么就需要做数据治理，数据治理有方法有工具，启动后，建组织（人）、真投入（资金），突破起步时较大的困难，一旦初步有了成效，形成数据文化，在数据惯性下，源源不断的数据就会产生源源不断的价值。