眾所周知，2020年新冠疫情爆發以來，“健康碼”已常態化的出現在大家的日常生活中，這個全民參與其中的數字化疫情防控手段背后正是“數據治理”在發揮作用。

政府利用數據資源匯聚分析與數字技術等手段，通過“數據流”牽引帶動真實世界中“人流”、“物流”、“商流”的復蘇與回歸，從而實現了社會治理現代化的一次躍升。

那么到底什么是數據治理？為什么要實施數據治理？以及該如何開展數據治理工作，才能引領企業加快數字化轉型，從而獲取更大的業務價值。今天小億就來為大家分享一下。

一、什么是數據治理？
1.定義
DAMA國際數據管理協會對數據治理定義：數據治理是對數據資產的管理活動行使權力和控制的活動集合（規劃、監控和執行）。

數據治理涵蓋了從前端業務系統、后端業務數據庫再到業務終端的數據分析，從源頭到終端再回到源頭，形成的一個閉環負反饋系統。從目的來講，數據治理就是要對數據的獲取、處理和使用進行監督管理。

具體一點來講，數據治理就是以服務組織戰略目標為基本原則，通過組織成員的協同努力，流程制度的制定，以及數據資產的梳理、采集清洗、結構化存儲、可視化管理和多維度分析，實現數據資產價值獲取、業務模式創新和經營風險控制的過程。

2.與數據管理、數據管控有何不同
（1）數據治理
數據治理面對的更多是戰略層面、組織層面、制度層面的事務，是確立“什么樣的決策需要在什么層級制定”。所以，數據治理是一個相對高階的概念。對應的是一個“數據治理委員會”級別的機構，由這個委員會來建立數據治理的整體組織架構，定義責任主體，落實工作機制。

（2）數據管理
數據管理是操作和實施層面的概念，是通過一系列實際落地的辦法去實現“治理”目標的具體過程。數據管理對應的是一個以“數據管理部”級別的職能部門+各個相關職能部門的矩陣化組織。通過內建組織機構和工作機制，有牽頭、有配合、有主責、有落實，在各自的職能領域去完成數據管理的具體任務，包括企業級層面的數據標準化、數據資產管理，業務領域層面的數據規范化、數據質量改進等等。

（3）數據管控
數據管控是對“數據管理”要求在業務過程、產品設計、開發實現層面的具體實施。管控離不開“制度”+“規范”+“工具”+“考核反饋”，每一個管控機制，都應該有一個PDCA的管理循環。數據管控的落地，制度設計和規范定義層面，需要數據管理部門牽頭推進，同時，也需要技術部門的工具和系統能力支撐，才能“管得了，管得住，管到位”。

如上圖，清潔源頭數據就是一個數據治理目標，數據標準管理與數據質量管理就是幫助實現治理目標所制定的管理制度，在開發過程中的標準管控、在運行階段的質量管控就是在實際工作當中實現標準、質量管理的具體措施和手段。

二、為什么要實施數據治理？
在我國，各行業的信息化發展和建設水平并不均衡，對于部分行業，信息化還處于剛剛起步的階段。但我們可以從金融行業、通訊行業、地產行業、傳統制造業以及農業領域總結出規律：企業信息化大致經歷了初期的煙囪式系統建設、中期的集成式系統建設和后期的數據管理式系統建設三個大階段，也由此導致了一些問題：

1.數據質量參差不齊
現在，企業越來越重視管理數據資產，但其實并不是所有數據都是數據資產，數據中也有垃圾數據。由于企業各個業務系統或模塊都是按照各自的需要錄入數據，業務系統不需要的信息就不錄，沒有統一的錄入工具和數據出口，造成同樣的數據在不同的系統有不同的屬性信息，數據完整性無法得到保障。

2.IT系統孤島化，數據流通受阻
目前，大多數企業的信息化建設初期缺乏整體規劃，大多都是以業務部門驅動的單體架構系統或套裝軟件，數據分散在這些架構不統一、開發語言不一致、數據庫多樣化的系統中，導致在企業內部形成了一個個的“信息孤島”。這些“孤島”之間缺乏有效的連接通道，數據不能互聯互通，不能按照用戶的指令進行有意義的交流，于是數據的價值不能充分發揮。

3.缺乏有效管理機制
許多企業嘗試通過生產系統的業務流來控制數據流，但由于缺乏有效的管理機制和某些人為的因素，比如平臺間數據標準不一，缺少全局規范文檔，信息無法對接應用等，在數據流轉過程中，導致了大量的垃圾數據。以外，數據產權不明確，管理職責混亂，管理和使用流程不清晰，也是造成數據質量問題的重要因素。

4.存在數據安全隱患
近年來，隨著大數據的發展，諸如此類的數據安全事件多不勝數。數據資產管理上，正在由傳統分散式的人工管理向計算機集中化管理方向發展，數據的安全問題愈來愈受到人們的關注。

綜上所述，看似表面的數據問題其實會對業務帶來嚴重的影響。數據不真實、不準確、數據不透明、不共享都將增加企業經營風險、管理難度和復雜度。最終導致跨組織信息共享程度低、資源難于整合。

而數據治理是所有數據應用的基礎和根基，它的好壞直接影響數據應用過程中的價值體現。同時，數據治理也是一個組織進行數據資產沉淀的基礎，直接決定了一個組織的數據資產能否得到有效的沉淀，以及在數據應用過程中能否充分發揮數據價值。

三、數據治理的目標
數據治理本身不是目標，它只是實現組織戰略目標的一個手段，即通過有效的數據資源控制手段，進行數據的監督管理，以提升數據質量進而提升數據變現的能力和管理的效率。例如基于需求的智能制造、智慧市場監督管理、融合市民服務、一網通辦等。

從組織職能和體量大小方面來看，不同類型組織的數據治理目標大不相同，例如，集團企業總部和政府大數據管理局的目標是：制定數據政策、保障數據安全、促進數據在組織內無障礙共享，其重點目標是推進和保障數據戰略的順利實施。

而企業和政府業務部門的目標是：通過提升信息管理能力，提升組織精細化管理水平，提高業務運營效率，增強組織決策能力和核心競爭力，從而為實現組織戰略目標提供能力支撐，其重點目標是數據價值獲取、業務模式創新和經營風險控制。

四、數據治理包含哪些內容？
數據治理并不是某一個系統應用，而是一個以系統工具為支撐、管理機制為基礎的系統工程，只是各數據治理項目切入點有所不同，比如：

①面向源端的業務系統去進行數據治理，可能解決的是流程-數據一體化治理的問題，保證各個業務系統和職能之間的流程貫通；

②面向大數據平臺的建設階段或運營階段的數據治理，這個時候更多考慮到的是數據之間的拉通，數據標準的統一，數據質量的監控，數據平臺各層之間的數據血緣關系，數據流；

③對于一些先進企業，他們的數據會涉及對外共享合作，那么，企業的數據治理機制也會發生改變。針對需要共享的數據，企業更多優先關注數據權屬問題，同時，考慮如何通過多方計算，聯邦學習等技術從數據安全的角度保證數據的共享。

總的來說，數據治理的切入點分為：整體規劃模式、面向業務分析模式、數據整合平臺模式、大型應用建設模式、數據管理平臺和工具模式等，如下圖所示：

雖然切入點不同，包含的內容也不盡相同，但是數據治理無非是對于企業級數據、某個業務主題數據、某系統數據等不同定位的業務數據進行有效管控，而且目前主流的數據管理方式是以元數據為核心的梳理，所以建設內容基本上也是在元數據、數據標準、數據質量、數據集成、主數據、數據資產、數據交換、數據生命周期、數據安全等不同方面進行自由組合，只是面向的數據范圍不同而已。

1.元數據
元數據管理是對企業涉及的業務元數據、技術元數據、管理元數據進行盤點、集成和管理，按照科學、有效的機制對元數據進行管理，并面向開發人員、最終用戶提供元數據服務，以滿足用戶的業務需求，對企業業務系統和數據分析平臺的開發、維護過程提供支持。借助變更報告、影響分析等應用，控制數據質量、減少業務術語歧義和建立業務和技術之間的良好溝通渠道，進一步提高各種數據的可信性、可維護性、適應性和可集成性。

睿治平臺中的元數據管理

元數據分為業務元數據、技術元數據和管理元數據，三者之間關系緊密。業務元數據指導技術元數據，技術元數據以業務元數據為參考進行設計，管理元數據為兩者的管理提供支撐。

（1）業務元數據
業務元數據是定義和業務相關數據的信息，用于輔助定位、理解及訪問義務信息。業務元數據的范圍主要包括：業務指標、業務規則、數據質量規則、專業術語、數據標準、概念數據模型、實體/屬性、邏輯數據模型等。

（2）技術元數據
它可以分成結構性技術元數據和關聯性技術元數據。

結構性技術元數據提供了在信息技術的基礎架構中對數據的說明，如數據的存放位置、數據的存儲類型、數據的血緣關系等；關聯性技術元數據描述了數據之間的關聯和數據在信息技術環境之中的流轉情況。

技術元數據的范圍主要包括：技術規則（計算/統計/轉換/匯總）、數據質量規則技術描述、字段、衍生字段、事實/維度、統計指標、表/視圖/文件/接口、報表/多維分析、數據庫/視圖組/文件組/接口組、源代碼/程序、系統、軟件、硬件等。技術元數據一般以已有的業務元數據作為參考設計的。

（3）管理元數據
管理元數據主要指與元數據管理相關的組織、崗位、職責、流程，以及系統日常運行產生的數據。管理元數據管理的內容主要包括：與元數據管理相關的組織、崗位、職責、流程、項目、版本，以及系統生產運行中的操作記錄，如運行記錄、應用程序、運行作業。

2.數據標準
良好的數據標準體系有助于數據的共享、交互和應用，可以減少不同系統間數據轉換的工作。

數據標準適用于業務數據描述、信息管理及應用系統開發，包括基礎標準和指標標準（或稱應用標準）。可以作為經營管理中所涉及數據的規范化定義和統一解釋，也可作為信息管理的基礎，同時也是作為應用系統開發時進行數據定義的依據。涉及國家標準、行業標準、企業標準和地方標準，在定義元數據實體或元素時進行關聯。

睿治平臺中的數據標準管理

數據標準的主要由業務定義、技術定義和管理信息三部分構成。同時還需要不斷的補充完善、更新優化和積累，以便更好的支撐業務的開發和系統的集成。

（1）業務定義業務定義主要是明確標準所屬的業務主題以及標準的業務概念，包括業務使用上的規則以及標準的相關來源等。對于代碼類標準，還會進一步明確編碼規則以及相關的代碼內容，以達到定義統一、口徑統一、名稱統一、參照統一以及來源統一的目的，進而形成一套一致、規范、開放和共享的業務標準數據。

（2）技術定義技術定義是指描述數據類型、數據格式、數據長度以及來源系統等技術屬性，從而能夠對信息系統的建設和使用提供指導和約束。

（3）管理信息管理信息是指明確標準的所有者、管理人員、使用部門等內容，從而使數據標準的管理和維護工作有明確的責任主體，以保障數據標準能夠持續的進行更新和改進。

3.數據質量
高質量的數據是進行分析決策、業務發展規劃的重要基礎，只有建立完整的數據質量管理體系，明確數據質量管理目標、控制對象和指標、定義數據質量檢驗規則、執行數據質量檢核，生產數據質量報告。通過數據質量問題處理流程及相關功能實現數據質量問題從發現到處理的閉環管理，從而促進數據質量的不斷提升。


睿治平臺中的數據質量管理
（1）制度和規范

從技術層面上，應該完整全面的定義數據質量的評估維度，包括完整性、時效性等，按照已定義的維度，在系統建設的各個階段都應該根據標準進行數據質量檢測和規范，及時進行治理，避免事后的清洗工作。

（2）明確相應的管理流程
數據質量問題會發生在各個階段，因此需要明確各個階段的數據質量管理流程。例如，在需求和設計階段就需要明確數據質量的規則定義，從而指導數據結構和程序邏輯的設計；在開發和測試階段則需要對前面提到的規則進行驗證，確保相應的規則能夠生效；最后在投產后要有相應的檢查，從而將數據質量問題盡可能消滅在萌芽狀態。數據質量管理措施，宜采用控制增量、消滅存量的策略，有效控制增量，不斷消除存量。

4.數據集成
可對數據進行清洗、轉換、整合、模型管理等處理工作。如：常用組件、輸入輸出、轉換組件、數倉組件、腳本組件等，可高效快速完成數據的傳輸、清洗轉換、裝載落地等處理過程，保證數據可靠性，既可以用于問題數據的修正，也可以用于為數據應用提供可靠的數據模型。

5.主數據
主數據管理是通過運用相關的流程、技術和解決方案，對企業核心數據的有效管理過程。要做的就是從各部門的多個業務系統中整合最核心的、最需要共享的數據（主數據），集中進行數據的管理，并且以服務的方式把統一的、完整的、準確的、具有權威性的主數據傳送給企業內需要使用這些數據的操作型應用系統和分析型應用系統。

主數據管理涉及主數據的所有參與方，如用戶、應用程序、業務流程等，創建并維護企業核心數據一致性、完整性、關聯性和正確性。主數據是企業內外被廣泛應用和共享的數據，被譽為是企業數據資產中的“黃金數據”，主數據管理是撬動企業數字化轉型的支點，是企業數據治理最核心的部分。

6.數據資產
匯集企業所有能夠產生價值的數據資源，為用戶提供資產視圖，快速了解企業資產，發現不良資產，為管理員提供決策依據，提升數據資產的價值。

睿治平臺中的數據資產管理

7.數據交換
用于實現不同機構不同系統之間進行數據或者文件的傳輸和共享，提高信息資源的利用率，保證了分布在異構系統之間的信息的互聯互通，完成數據的收集、集中、處理、分發、加載、傳輸，構造統一的數據及文件的傳輸交換。


睿治平臺中的數據交換

8.數據生命周期

任何事物都具有一定的生命周期，數據也不例外。從數據的產生、加工、使用乃至消亡都應該有一個科學的管理辦法，將極少或者不再使用的數據從系統中剝離出來，并通過核實的存儲設備進行保留，不僅能夠提高系統的運行效率，更好的服務客戶，還能大幅度減少因為數據長期保存帶來的儲存成本。

睿治平臺中的數據生命周期管理

數據生命周期一般包含在線階段、歸檔階段（有時還會進一步劃分為在線歸檔階段和離線歸檔階段）、銷毀階段三大階段，管理內容包括建立合理的數據類別，針對不同類別的數據制定各個階段的保留時間、存儲介質、清理規則和方式、注意事項等。

9.數據安全
數據安全應貫穿數據治理全過程，應保證管理和技術兩條腿走路。從管理上，建立數據安全管理制度、設定數據安全標準、培養起全員的數據安全意識。從技術上，數據安全包括：數據的存儲安全、傳輸安全和接口安全等。當然，安全與效率始終是一個矛盾體，數據安全管控越嚴格，數據的應用就可能越受限。企業需要在安全、效率之間找到平衡點。數據安全管理主要有以下三個方面：

睿治平臺中的數據安全管理

（1）數據存儲安全包括物理安全、系統安全存儲數據的安全，主要通過安全硬件的采購來保障數據存儲安全。

（2）數據傳輸安全包括數據的加密和數據網絡安全控制，主要通過專業加密軟件廠商進行規范設計和安裝。

（3）數據使用安全需要加強從業務系統層面進行控制，防范非授權訪問和下載打印客戶數據信息；部署客戶端安全控制工具，建立完善的客戶端信息防泄漏機制，防范將客戶端上存儲的個人客戶信息非授權傳播；建立完善的數據安全管理體系，建立數據安全規范制度體系，組建數據安全管理組織機構，建立有效的數據安全審查機制；對于生產及研發測試過程中使用的各類敏感數據進行嚴密管理；嚴格與外單位合作中的個人客戶信息安全管理等。

五、企業數據治理需要注意什么？
數據治理是一個復雜的系統工程，涉及到企業和單位多個領域，既要做好頂層設計，又要解決好統一標準、統一流程、統一管理體系等問題，同時也要解決好數據采集、數據清洗、數據對接和應用集成等相關問題，這時就要注意以下方面：

1.跨組織的溝通協調問題
數據治理是一個組織的全局性項目，需要IT部門與業務部門的傾力合作和支持，需要各個部門站在組織戰略目標和組織長遠發展的視角來看待數據治理。因此，數據治理項目需要得到組織高層的支持，在條件允許的情況下，成立以組織高層牽頭的虛擬項目小組，會讓數據治理項目事半功倍。

2.投資決策的困難
組織的投資決策以能夠產生可預期的建設成效為前提，但往往綜合性的數據治理的成效并不能立馬體現，它更像一個基礎設施，是以支撐組織戰略和長期發展為目標，所以，導致此類項目無法界定明確的邊界和目標，從而難以作出明確的投資決策。

3.工作的持續推進
數據治理是以支撐組織戰略和長遠發展為目標，應當不斷吸收新的數據來源，持續追蹤數據問題并不斷改進，所以數據治理工作不應當是一錘子買賣，應當建立長效的數據改進機制，并在有條件的情況下，盡量自建數據治理團隊。

4.技術選型
這幾年隨著大數據的發展，有針對傳統數據庫的，有針對大數據數據庫的，再加上組織對自身數據資產情況沒有一個清晰的認識，這也就導致了數據治理的技術選型困難。

業界很多廠商都開發了相關軟件工具，但多是單獨功能呈現的軟件，而億信華辰睿治數據治理平臺是由元數據管理、數據標準管理、數據質量管理、數據集成管理、主數據管理、數據交換管理、數據資產管理、數據安全管理、數據生命周期管理9大產品模塊組成的功能齊全的數據治理工具：

睿治數據治理平臺架構圖

六、小結
數據被認為是當今時代企業的核心資產，具有很高的價值。然而，數據本身并沒有什么價值，或者說數據本身不會自動產生價值。

一般來說，數據價值變現的方式有兩種，一種是通過數據治理將數據資源轉化為數據資產，再把數據資產鏈接到提供數據資產交易的平臺上進行交易，讓數據資產具有直接變現的能力；第二種是通過數據治理實現數據資產的匯集和預處理，在通過基于場景的算法將數據應用到業務中去，讓數據產生洞察力，為管理和業務的創新提供支撐，讓數據具備間接變現的能力。

但以上兩種方式都離不開數據治理，數據治理則是保障數據質量和實現數據價值的基礎，其目的是輸出高質量數據，并保證數據使用過程中的安全合規。

除此以外，我們還需要注意數據治理是一個持續性的服務，而不是一個有著明確范圍的一錘子買賣。不能只依靠發現問題之后去處理，更應有前瞻意識，時刻保持監督與檢查。我們唯一能做的是根據業務發展和產品迭代狀況，及時調整數據治理的規則。