Informatica：全局数据治理！

理框架提供了必要的环境和对基本原则的理解，帮助在组织内构建有效的数据治理能力。它有助于确定组织为获得早期价值和动力可借助的能力，以及可减少组遇到的障碍和风险的潜在改进和投资区域。

Informatica 的数据治理框架分为10 个互补的方面，见下图：

Informatica 的数据治理框架

01 愿景和业务案例

愿景和业务案例必须清晰表达业务机会，重点关注更广泛的策略目标和特定业务机会。愿景陈述用于设立最终目标，但是业务案例必须勾勒出达到该目标的途径。

1、愿景定义更广泛的策略目标。

任何策略工作（不只是数据治理和信息管理）应为所有利益相关方树立和宣传定义清晰业务目标和目的的基本愿景。

愿景陈述应具体且具有可操作，例如“通过缩短解决支持问题的时间、提供有效的定向和相关市场营销、确保客户敏感数据得到保护和适当使用，建立最佳客户体验”。

2、业务案例确定了特定业务机会。

愿景应深入分析数据治理投入能够带来的业务价值（至少3至5年），但业务案例必须务实。哪些具有优先权的业务流程、

决策或互动将受到影响？如何提供实际价值？例如，上述愿景陈述可能导致量化的业务案例，仅关注3 个面向目标客户的流程：1) 通过缩短呼叫中心呼入支持线路的平均处理时间提高生产率，2) 通过提高促销活动响应率，降低直接营销成本，增加收入，3) 通过更有效脱敏后的安全客户信息，降低企业风险。其他组织可能选择一次使用一个方案，开展数据治理工作。

一个全面的业务案例不需要量化每个潜在相关流程的价值，但是可以定性地讨论可从这些提升、改进中获益的其他业务部分，或谈论可在以后量化的未来阶段机会。根据管理层的预算批准要求，您只需确认“第一阶段”获得的“合理”时间回报优势将大于成本。第一阶段的成功将成为第二阶段业务案例及后续成功的动力。

02 人员

需要合理地配备相应人员来支持、发起、管理并贯彻实施数据资产，最终取得可观的回报。企业通常会组建执行指导委员会来协调企业范围内的沟通、优先性、资金、冲突解决和决策制定。在高管的正确倡导之下，企业早期即可建立指导委员会，同时还需激发基层人员的工作动力，高层领导才乐意提供支持。

有效的数据治理计划应包含以下所有角色：

• 执行发起人。最佳执行发起人应该是CxO 级别的高管，其责任范围包括职能、业务领域、应用系统和地域。越早确定发起人越好，因为他们可以推动资源分配、人员配置、资金、业务优先性和跨职能协作。为了能够行之有效，发起人必须是积极的参与者和倡导者。

• 数据管理员/ 数据质量管理员。数据管理员是业务和IT 主题专家，他们可以最有效地解释数据和系统如何影响与企业相关性最强的业务流程、决策和交互活动。业务管理员必须是精通IT 的人员；IT 管理员必须是精通业务的人员。二者都必须是他们所代表的企业部门中沟通和引导能力极强的人。通常，经验丰富且能够利用自己的专业技能在业务部门与IT 部门之间架起沟通桥梁的业务分析师可以成为最佳业务管理员，而数据和企业架构师以及高级业务系统分析师则可以成为IT 管理员，提供重要观点。

• 数据治理负责人。数据治理负责人的主要责任和技能并非关心“谁输谁赢”。数据治理负责人负责协调数据管理员的各项任务，帮助管理员将做出的决策传达给相关的利益相关方，推动正在进行的数据审计以及用于评估ROI 和计划成功与否的指标，同时也担任向执行发起人和指导委员会上报问题的沟通桥梁。项目管理办公室(PMO) 有时可以充当这一角色。

03 工具和体系架构

企业和数据架构师应该考虑关键企业数据的完整生命周期，如下图：

它包括：

• 上游企业内部交易/ 运营应用系统、系统以及创建、更新、导入或采购数据的流程。

• 下游企业内部分析应用系统、系统以及整合、协调、交付和使用数据的流程。

• 企业外部数据源和目标的增长，其中包括基于云的应用系统和平台、社交数据、移动设备、第三方数据馈送、传感器数据和Hadoop 分析环境。

• 为数据管理基础设施投资提供支持，确保满足企业的独特需求，从而实现“在合适的环境下以合理的延迟适时提供合适的数据，同时保证满足数据质量和安全要求”。

• 评估并交付必须在整个企业数据体系架构中实现的共享功能，而不局限于特定的应用系统或工具。常用方法包括构建集成能力中心，用于负责统一数据管理平台。

用户认为有助于启动数据治理工作的特定支持软件功能包括：

• 数据探查。数据探查软件可帮助业务分析师和数据管理员回答以下问题：“当前数据是什么样的？”、“系统之间的数据关系如何？”以及“我们应该考虑定义哪些规则和政策来加以改进？”。

• 数据发现。通过数据探查可以深入分析指定的数据集，而借助数据发现，企业可以确定所有数据源中所出现的数据异常或业务场景的位置。

• 业务术语表。利用业务术语表，业务和IT 管理员可以捕获并分享围绕关键数据的完整业务环境。在企业中共享业务词汇。如果某常见业务词汇无法供任何人随时使用，那么该词汇的价值就微乎其微了。

• 元数据管理/ 数据血缘。协调以及针对支持的关键数据元数据提供透明度和可见性的能力是数据管理参考体系架构的基本要素。理想情况下，业务术语表应该与元数据解决方案很好地集成在一起，以便业务部门与IT 部门能够开展明确协作。

除上述四项功能以外，架构师还应该考虑他们希望在哪里以及怎样管理数据建模、流程建模、数据质量、数据隐私、主数据、数据监控和审计、工作流管理和协作功能。此外，他们必须确定数据管理员如何接收通知以及这些管理员应该如何消除任何已经确立的数据质量、数据保留政策或隐私规则的例外情形。

04  政策

业务政策和标准对实现任何数据治理职能都至关重要。必须商定、记录和遵守的共同政策包括数据可问责性和所有权、组织角色和责任、数据捕获和验证标准、信息安全和数据隐私准则、数据访问和使用、数据保留、数据脱敏和存档政策。

许多企业目前已拥有治理计划，利用这些计划，企业可启动数据治理。企业可能会记录业务驱动型或IT驱动型政策，这些政策设置了应该如何管理和使用企业数据的参数，但此类记录工作并不能称作数据治理。

数据治理方案负责记录并维护如下政策：

• 数据可问责性和所有权。这些政策说明哪些高级业务领导或组别（例如指导委员会）负责关键数据的质量和安全性。该政策必须概括介绍所有权的真正含义、定义所有者的权利和责任，并阐明这些责任是否会随着时间的推移而改变以及将如何改变。

• 组织角色和责任。这些政策记录并阐明业务和IT 数据管理员、数据治理主管和其他相关利益相关方的责任。

• 数据采集和验证标准。这些政策定义所需遵守的最低数据采集标准、数据验证规则和参考数据规则等。目标是保证采集、导入、更新、转换或采购关键数据的人员、流程和系统从而以一致、标准化的方式执行相应操作，同时关注质量，确保数据能为企业所用。最佳实践还指出，应在采集数据后定义数据保留。

05 组织调整

组织调整关注各个角色之间的工作关系，从而解决如下问题：

• 谁将是企业数据治理工作的执行发起人？

• 有执行指导委员会吗？• 谁是业务数据所有者？• 政策与数据冲突的上报路径是什么？• 数据管理员是全职还是兼职职务？• 数据管理员与上级主管之间是实线汇报关系还是虚线汇报关系？

我们建议您借助RACI（RACI 定义职权方、任责方、受询方和受知方的角色）或DACI（DACI 定义推进方、批准方、

贡献方和受知方的角色）等责任分配矩阵，调整参与数据治理各个方面的不同利益相关方并设立期望目标。06 衡量

必须从三个不同层面衡量数据治理。首先，在计划层面，企业必须确定并强调数据治理工作在质量层面给企业带来的影响和冲击。其次，管理员需要监控运营数据，根据预期的政策和验证基准评估数据的表现情况。最后，也是最重要的是——维持数据治理动力需要进行定量衡量业务价值，该衡量可将数据管理工作与实际业务价值（例如收入增长、成本节省、风险降低、效率提升和客户满意度）联系在一起。

我们建议您按如下步骤构建衡量策略：

从数据治理计划的有效性入手，获得投资方的认同。数据治理方案早期面临的最大难题往往是如何吸引业务和IT 利益相关方予以关注。衡量成功与否的重要标准之一是计划层面的接触、参与和影响。有多少业务领域、职能部门、系统领域、项目团队和企业的其他部门致力于管理资源或赞助？此外，对涉及数据治理职能的所有问题进行归类并跟踪其状态，同时捕获培训、咨询和项目实施支持等所有其他类型的增值交互。尽管这些指标无法展现业务价值，但用户可以在数据治理工作早期借助这些指标展现数据管理工作付诸实践的进度。

制定运营数据质量和政策审计指标，聚焦数据管理员。业务案例和ROI 与数据无关，但由此产生的业务规则、政策、流程和标准则与之有关。业务和IT 数据管理员的职责相类似，他们负责监控数据以确保符合标准，并根据需要来消除数据质量、隐私性和安全性问题。为此，他们需要预定义的管理工作流，其中包括数据准确性、完整性、整体性、唯一性、一致性和标准化等运营指标。他们还需要具备执行审计的能力，从而确保符合合同服务级别协议(SLA)、数据保留以及隐私和安全政策。管理员要洞悉这些指标，必须能够对根源进行元数据和数据沿袭分析，并能够分析所带来的影响，还应该能够在合规性方面实现透明度和审计跟踪。此外，经理应该通过解决了多少个分配的问题、清理了多少条记录和尚有多少条记录仍保留在队列中等指标跟踪数据管理员本身的工作效率。

建立业务价值和 ROI 衡量方法模型，保持角逐业务领导力的动力。这一步对于将数据治理从一个一次性IT项目提升为一项长期业务战略而言是必不可少的。数据治理投资带来的业务价值包括诸多优势，例如将不合规招致的处罚可能性降至最低、降低企业风险、降低成本、优化支出、提高运营效率、提高收入增长以及优化客户体验和满意度。

对于在企业内部宣传数据治理工作的人员而言，通过实际业务价值驱动因素构建业务案例是最常见的挑战之一。通过将某个数据治理方案附加到优先级高并且有资金支持的业务项目来启动或试行该方案是一种切实可行的方法，这样可以限制该项目的范围并聚焦项目的目标价值。每个企业都会发现自身独一无二的业务驱动因素的过人之处，下图中的示例意在启发而非说明。

07 变更管理

无论愿景和业务案例多么具有吸引力，对大多数企业而言，使数据成为真正的企业资产都将是一个重大的文化转变。完成此转变可能需要所有员工（可能包括合作伙伴/供应商生态系统中的员工）的行为方式发生重大改变，这样才能创建恰当体现数据价值的企业文化。为这些组织、业务流程和政策变更提供的支持必须包括培训、沟通和教育，通过“枣子加大棒”的绩效管理计划激励良好的数据实践，同时避免曾经的不良行为。数据治理计划还必须包括时间、资源以及管理层进行必要变更管理投资的承诺。

08 相关流程

在了解数据的完整生命周期之前，一个企业无法完全治理好企业的关键企业数据。通常而言，提到数据治理人们首先会想到使用数据并从数据中得出深刻见解和价值的下游运营和分析流程，此类流程通常构成数据治理业务案例的基础。但是，要交付可信、安全的数据，企业还必须了解创建、更新、转换、扩充、购买或导入数据的上游业务流程。这些上游流程通常会带来相当比例的“无用输入，无用输出”问题，这正是数据治理工作致力于解决的问题。

相关流程分为三大类：上游流程、管理流程和下游流程。（见下图）能够有效治理数据的企业将评估并改进接触数据和影响数据可用性的所有流程。

上游流程。这些业务流程捕获、创建、导入、购买、转换或更新数据，并将数据引入到企业信息生态系统中。数据治理面临的一个最常见、最棘手的挑战是，负责这些上游流程的人员很少能够了解（或者愿意去关心）谁在下游使用这些数据以及使用数据的原因。在宣传和实施数据治理企业制定的数据捕获和维护政策方面，有影响力的高管发挥的作用举足轻重。

管理流程。在物理数据自身的生命周期中，管理流程阶段涉及应用在数据治理计划中创建的数据政策、业务规则、标准和定义。在以系统为中心的工作流中自动应用这些规则可能会体现为支持服务或特定于应用系统的规则，包括存档、清洗、扩充、脱敏、匹配、合并、协调、修复、验证、检验或提高数据安全性和质量。在更加人性化的工作流中，管理流程有助于人工识别、通知、上报和消除自动规则和政策的例外情形。

下游流程。这些是使用、保护、存档、清除以及从数据中提取深刻见解和价值的运营和分析流程。根据这些下游流程交付重要业务价值和ROI，才能说服高管，支持变更上游流程、系统和组织行为，并同意投资改善组织和技术以推进管理流程。通常而言，下游流程之所以能够奠定数据治理计划的愿景和业务案例基础，原因就在于此。

09 计划管理

一个从小处入手并发展为跨企业的独立全局数据治理的多阶段、多年期计划无法自己管理自己。无论是通过正式的计划管理办公室(PMO) 还是计划推动者团队，数据治理工作都需要技术熟练的项目/ 计划管理专家来协调复杂的交互、沟通、简易化、教育、培训和衡量策略。有效的计划管理可以确保采用率、可见性以及着眼于未来改进的动力。

请务必认识到进行大量协调、简易化和沟通工作的重要性，要宣传和衡量数据治理、确定数据治理的优先地位并将其从试点项目发展为开展业务的基本方式，这些工作必不可少。最后，这项工作必须由全职员工担当。尽管业务部门必须肩负并承担数据治理的责任，但由此产生的政策、规则、标准以及最重要的领导角色最终可能仍要交由IT部门负责，该部门通常可以提供企业内最强的计划/ 项目管理技能。

10 定义的流程

如果数据治理是与财务相类似的业务职能，鉴于财务包含应付帐款、应收帐款、工资和财务规划等流程，数据治理也应具有自己的一套流程。下图展示了构成数据治理职能的管理流程。相关示例包括清洗、修复、脱敏、保护、协调、上报和批准数据差异、政策和标准的流程。我们将数据治理的众多流程分割成了几个核心阶段：发现、定义、应用（规则和政策）和衡量/ 监控：

发现流程。捕获企业数据生命周期的当前状态、相关业务流程、支持的组织和技术功能以及数据本身的状态。从这些步骤中得出的深刻见解定义了数据治理策略、优先级、业务案例、政策、标准、体系架构以及未来状态愿景。此阶段包含以下活动的支持流程：数据发现、数据探查、对当前状态的数据和流程的清点、数据生命周期内的CRUD（创建、读取、更新、删除）分析以及对组织、人员和技术功能的评估。此流程与定义流程阶段并行运行并与该阶段相互迭代：发现推动定义，而定义又会创建出更具针对性的发现焦点。

定义流程。记录与业务术语、分类和关系相关联的数据定义和业务环境，以及为了将数据治理工作付诸实践而必须定义的政策、规则、标准、流程和衡量策略。此阶段包含以下活动的支持流程：业务术语表创建、数据分类、数据关系、层次结构和参考数据定义，以及支持业务规则、政策和关键绩效指标(KPI) 的定义。此流程与上述发现流程阶段并行运行并与该阶段相互迭代。

应用流程。旨在将数据治理工作付诸实践并确保遵守在发现和定义流程阶段捕获的所有数据治理政策、业务规则、管理流程、工作流以及跨职能角色和责任。此阶段包含的流程可以实现应用系统、流程和服务中所定义业务规则和政策的自动化。此阶段包含的流程还可以贯彻实施支持的人性化业务和IT 工作流，这些工作流能够手动消除数据质量或数据安全性规则和政策的例外情形。

衡量和监控流程。捕获并衡量数据治理和管理工作的有效性及其带来的价值，跟踪是否符合已定义的政策和规则及例外情形，并确保数据资产及其生命周期透明并且可审计。此阶段包含以下活动的支持流程：数据质量与政策合规性主动监控、对运营数据质量的被动审计、对根源进行数据沿袭分析，以及进行影响评估。此外，该阶段包含的流程还涉及定量和定性地衡量数据治理计划的有效性，以及衡量持续交付的业务价值。

结 论

有的企业尝试管理大型全球性企业中的多个数据域，这需要高水平的协作和规范的流程；而有的企业则只需通过单独的应用系统有针对性地解决数据质量问题；相对而言，第二种企业需要数据治理工作为他们提供的组织和技术复杂性就比较低。尽管如此，只要记住数据治理不是为了数据本身而关注数据，那么这两种类型的企业都可以从Informatica 提供的用于启动或拓展全局数据治理计划的多层面框架中获益。

数据治理不是一个IT 项目，而是一项业务需要。数据治理经理和倡导者必须关注此事实，并创建可以清晰地展示如何利用数据实现人员、流程、组织和技术改进，进而提升业务价值的业务案例。要说服高层领导持续投资于数据治理以及支持数据治理的数据管理技术，这是唯一的方法。