“數據治理”這個10多年前就已經出現的名稱，在最近這幾年時間一下子火了起來。不知何時，江湖中流傳出了：“數字轉型、治理先行”的說法。

于是乎，我們看到：不僅是傳統提供數據倉庫、BI、主數據管理、元數據管理、數據集成等數據服務的軟件供應商在說數據治理，“BATJ”等互聯網公司，大型國企、央企也都在談數據治理，很多企業都將數據治理作為數智化戰略的一項必要舉措，列入了企業的戰略行動計劃。

在眾多談論數據治理的企業或個人中，筆者發現大家對數據治理有著一個普遍的共識，那就是：“數據治理說起來容易，做起來難”！

01 為什么要做數據治理，真的想透了嗎？
在做數據治理咨詢的過程中，經常會遇到以下對話場景：

請問你們為什么要做數據治理？
常見回答：我們要建立數據標準，提升數據質量，實現數據資產統一管理。

接著問：為什么要建立數據標準、提升數據質量，不做會怎樣？
常見回答：數據質量問題比較多，無法提供準確的數據報表，影響業務效率，無法支撐企業的數字化轉型。

再次問：都影響到了哪些數據報表、哪些業務？
常見回答：XX報表不準確、統計口徑不一致、系統之間數據孤島，數據集成困難……吧啦吧啦……

接著追問：為什么會造成數據報表不準確，口徑不一致，系統集成難？
常見回答：因為數據標準一致，數據源的數據質量差。

到此為止，采用咨詢常用的5Why分析法，似乎已經get出了數據治理的現狀和目標。我們將其總結下：通過數據治理實現企業數據的標準化、提高數據質量、提升業務處理的效率，為數據分析提供準確的數據支撐，賦能業務，助力企業實現數字化轉型。

但是，我們仔細分析這樣的調研結果是浮于表面的，圍繞數據的問題在原地打轉，沒有將為什么要做數據治理真正想透。

數據要產生價值，需要一個合理的“業務目標”，數據治理的所有活動應該圍繞真實的業務目標而開展，建立數據標準、提升數據質量只是手段，而不是目標。因此數據治理的第一步不是分析數據問題，而是分析業務問題，找到企業的核心業務訴求，定義數據治理的目標和范圍。

02 數據治理不是什么高大上的東西，基本是臟活、累活！

數據治理很火，在DAMA 數據管理知識體系指南中，數據治理位于數據管理“車輪圖”的正中央，是數據架構、數據建模、數據存儲、數據安全、數據質量、元數據管理、主數據管理等10大數據管理領域的總綱，為各項數據管理活動提供總體指導策略。

▲DAMA-DMBOK2.0 數據管理車輪圖

談到數據治理，我們經常講它是一個涉及到企業戰略、組織架構、數據標準、管理規范、數據文化、技術工具的一個綜合體。沒有數據治理實踐經驗的，一定會認為：哇，數據治理好“高大上”呀！又是戰略、又是標準、又是文化的，聽起來很高深嗎！

然而，只有你真正做過數據治理人才知道：數據治理不僅都是苦活、累活，還是個受累不討好，經常背鍋，領導看不見價值的活。

都說數據是資產，數據治理很重要。盡快大家都說數據治理很重要，領導也很重視，但在很多企業真正實施的過程中，卻總會遇到高層領導支持力度不足，業務部門人員配合不到位，數據治理的總是要給業務讓路等等問題。

究其原因：領導說重視數據，是真重視，還是嘴上說說？有沒有將其納入企業的戰略行動計劃？

數據治理要定戰略、定制度、建組織，這是頂層策略，這每一項都牽一發而動全身，都需要高層領導的大力支持和推動，業務部門和技術部門的緊密協同。

數據治理要立標準、理流程、清數據，需要對每個數據域、數據實體、數據條目、數據項進行梳理和標準化，甚至有時候需要人工逐條、逐字段的定義數據標準、核實數據質量。

數據治理人員不僅要有良好的數據思維，還要有足夠的細心、耐心和體力才能實現企業數據質量的不斷提升，打磨出適合企業的數據標準。

數據治理過程中，有時候是不被理解的。數據治理是個地基性工程，人們看到的永遠是數據應用的“高樓大廈”，數據治理團隊天天忙忙碌碌的，領導也不知道“這伙人”到底都在干啥？但是，只要數據出現問題，第一個被問責的就是數據治理團隊。

03 數據治理不是一個“項目”，想要立竿見影的效果？難！

項目是一系列獨特的、復雜的并相互關聯的活動，這些活動有著一個明確的目標或目的，必須在特定的時間、預算、資源限定內，依據規范完成。
那么，數據治理是項目嗎？

是，當然是。
不論是全面的資產管理，還是針對特定領域的數據治理，都需要組建項目團隊、定義項目目標和范圍、制定項目計劃、推進項目實施、最后是項目總結和結案。數據治理有明確的目標，有特定范圍、質量、成本、時間、資源要求，從定義上講數據治理當然是項目。

但是，通過一個數據治理項目的實施，即使這個項目預算很大，周期很長，是否就能解決企業數據管理和使用中的各種問題？是否就能培養出企業的數據文化，轉變人們的數字化思維？是否就能實現企業管理和業務模式的創新？

一定不可能！

數據治理的最終目標是賦能業務，提升數據價值。這是一個持續漫長的運營過程，需要逐步完善、分步迭代，指望一步到位完成數據治理是不現實的。

項目型的數據治理，是不全面的，無延續性，能夠解決一時的數據問題，但很難獲得持續的數據價值。

因此說，數據治理不是一個“項目”，而是一個持續運營的過程。我們也可以將這個過程，看作是由一個個數據治理“微項目”組成，連續的、螺旋上升的模型。一個項目的結案，不是企業數據治理的終點，而是企業數據治理真正的起點！

04 做了數據治理，為什么數據質量依然很差，咋辦？
一個網友留言：石老師，我們公司兩年前就做了數據治理，建立了數據治理平臺，元數據管理、數據質量管理等功能都有了，但是我們的數據質量問題還是很多，導致花了很多錢建設的BI系統基本都沒人用，請問有什么好的方式解決？

這個問題，我沒有答復。原因是數據質量差、BI用不起來，這個問題雖然常見，但是10家有相同問題的企業中，有9家的原因是不一樣的。在沒有經過詳細調查，不了解具體背景的情況下，不敢貿然給出建議。

我曾盤點了引發數據質量問題的各種原因：
有業務方面的數據定義不明確，也有技術方面的數據抽取不完整；
有管理方面的崗位職責不清晰，也有執行層面的數據操作不規范；
有數據處理加工過程中出現了錯誤，也有數據源本身就有問題；
有數據治理系統功能有缺陷，也有系統強大但是沒人用……

做過了數據治理，企業的數據質量就一定能提升嗎？其原意是要問：上過了數據治理系統或實施了數據治理項目，為什么還會有數據質量問題。

這個問題很復雜。正如上文中的項目型數據治理，點到為止，治標不治本。有的企業認為數據治理就是上一套強大的數據治理平臺，只要平臺功能強大，就能管好數據，這恰恰是陷入了另一個誤區——唯工具論，豈不知數據治理的本質是管理數據，而不是管理程序、腳本和任務。

另外，還有很多企業是出現了數據問題，并且對業務造成很大影響之后才去進行治理的——被動式治理，失去了治理數據的主動權，常常是解決了一個問題又引出了更多的問題。
……

世界上沒有“包治百病”的數據平臺，只有將數據治理常態化，持續地去做才是王道。

05 數據治理之道是什么，要怎么做？
前段時間，在網上看到一篇關于數據治理關鍵要素的總結文章，覺得寫的很好，引用過來，供大家參考：

1. 數據治理需要體系建設
為發揮數據價值需要滿足三個要素：合理的平臺架構、完善的治理服務、體系化的運營手段。

根據企業的規模、所屬行業、數據量等情況選擇合適的平臺架構；治理服務需要貫穿數據全生命周期，保證數據在采集、加工、共享、存儲、應用整個過程中的完整性、準確性、一致性和實效性；運營手段則應當包括規范的優化、組織的優化、平臺的優化以及流程的優化等等方面。

2. 數據治理需要夯實基礎
數據治理需要循序漸進，但在建設初期至少需要關注三個方面：數據規范、數據質量、數據安全。規范化的模型管理是保障數據可以被治理的前提條件，高質量的數據是數據可用的前提條件，數據的安全管控是數據可以共享交換的前提條件。

3. 數據治理需要IT賦能
數據治理不是一堆規范文檔的堆砌，而是需要將治理過程中所產生的的規范、流程、標準落地到IT平臺上，在數據生產過程中通過“以終為始”前向的方式進行數據治理，避免事后稽核帶來各種被動和運維成本的增加。

4. 數據治理需要聚焦數據
數據治理的本質是管理數據，因此需要加強元數據管理和主數據管理，從源頭治理數據，補齊數據的相關屬性和信息，比如：元數據、質量、安全、業務邏輯、血緣等，通過元數據驅動的方式管理數據生產、加工和使用。

5. 數據治理需要建管一體化
數據模型血緣與任務調度的一致性是建管一體化的關鍵，有助于解決數據管理與數據生產口徑不一致的問題，避免出現兩張皮的低效管理模式。

06 最后的話
數據治理不是一蹴而就的，它是一個漫長而持續的過程，沒有一針頂破天的訣竅，也沒有立竿見影的途徑。只有將數據治理變成一種常態化機制，就如同我們每天吃飯、睡覺一樣，形成一種習慣、一種文化、持之以恒、不忘初心、不懈努力，才能達到預期目標。