? ? ? ? 數據治理本身分狹義和廣義兩個區別，狹義的治理主要是組織、制度、流程這些，data governance的一個定義就是 the management of management；廣義的治理包括數據質量、數據標準這些。數據治理強調兩點，一是高層支持，二是各部門廣泛參與。這兩點在銀行必須都貫徹，越體制內就越聽監管的話，所以對于數據治理也就最重視。銀監會有數據質量良好標準，非現場檢查加現場檢查，這是銀行數據治理工作最大的督導。銀行內數據治理各項工作的開展都要想好這兩個因素，搞定了就能事半功倍。

??????? 說句題外話，銀行有成建制成體系的數據管理工作，這在各個行業內屬于最好的；用成熟度衡量的話，基本都是3.0水平。其他傳統行業沒有這么強大的動力，互聯網電商又沒有這個必要，13年銀監會數據質量良好標準評估指南中的最佳實踐就來源于這幾家。

??????? 此外，數據治理對人的要求蠻高，要懂業務、懂數據、懂技術，所謂上能寫制度辦法，下能查數分析；另外，還要懂權衡、懂策略，甚至學學兵法，因為具體工作八成都是跟人有關。要求雖高，但實際上具體工作挺無聊的，因為挫敗感占的比例要遠高于成就感，個中體會只有行內人能了解了。

??????? 銀行數據治理，有兩件事情非常棘手，一個是有些系統陳舊，文檔少，沒人講的清楚具體業務怎樣紀錄數據，也有一些系統中比較冷門的業務可能也存在類似情況，無從談起數據治理了，當然這樣情況是少數，對全行數據治理影響不大。另一個情況是銀行內部按照業務部門組織系統，數據分屬各個業務部門，其中利害關系復雜，沒有大的魄力很難

在數據治理上有太大成果。
最近也在做數據治理相關一些工作，要做好數據治理，應該要解決好如下一些問題。
1、要全行統一步調，自上而下推動數據治理工作。這點很容易形式上重視，但落地執行時各種阻力
2、要全行統一規劃，按照統一標準生產數據，并提交完備的數據文檔
3、要按照統一標準加工數據，包括數據采集，清洗，存儲等
4、要有一套完整的數據處理的平臺和數據質量監控分析工具

??????? IT部門的數據治理工作，制度和流程層面的東西不談。
??????? 數據標準化。對共用數據制定標準，達成系統建設共識，降低數據轉換代價。銀行部門使用的系統較多，每個系統的定義千差萬別，但都有一些共用的數據，如貨幣代碼、國家代碼、日期（有些8位，有些10位，有些...）等，這些數據的使用都要有明確標準和使用場景。

??????? 數據流向可追溯，數據用途明確化。數據流向可追溯，數據用途明確化。系統之間數據傳遞（如文件）可追溯，如清楚數據文件來源于那里，中途經過了那些系統的過濾，最終被哪些用戶使用。
數據交換平臺化。建設數據交換平臺，支持數據流動。即有一個數據交換平臺支持系統之間的數據流動，對數據的流出方和流入方的權限和規則加以控制。

??????? 數據市集化。共享類數據集市化，即需即取。系統和系統之間的共享數據共享與數據市集，供相關的經營分析系統使用，或者分析結果后最后回吐到市集。
數據使用工具化。建設數據ETL，對數據進行清洗，變形，裝載。
數據倉庫化／大數據平臺。存儲歷史數據供經營分析使用。
數據分析平臺化。提供建模分析使用工具，進行經營分析，形成分析結果，回吐給其它平臺。
數據可視化。對于一些數據分析結果做到可視化，能將數據通過圖形或者報表的方式展示給決策者。
其中，1和2看似簡單無味，但對于整個數據治理卻是至關重要。

??????? DAMA對數據管控體系有比較明確的闡述，但真的要做好數據治理卻不是那么容易。
??????? 目前國內實施數據治理的企業也是鳳毛麟角，而且每一家都有自己的理解，實施方案大同小異，卻又都不完整。而那些啟動了數據治理的企業也幾乎都沒有發揮數據治理的價值，持續推動數據治理，目前國內數據治理實施最好的銀行，成熟度也只有3分。數據治理推動難，后繼無力的主要原因在于沒有讓數據治理的工作價值變現。對數據治理有過了解的人都明白，數據治理是對數據標準、數據質量、數據安全、主數據、元數據、數據模型等一系列數據相關的領域進行規范化，標準化管理的一些列動作，措施。但如果只把數據治理局限在這些領域，將脫離業務人員，導致數據治理工作脫離業務方，從而無法讓數據價值得到變現，因為，我們知道數據治理離不開業務，業務是驅動數據治理的原動力，因此，我認為在開展數據治理工作的時候，必須要仔細思考如何將數據治理與數據應用、數據服務接口，讓數據的價值得到變現，促進業務人員對數據治理的信心。

??????? 最后，數據治理是長期復雜性的工作，設計的人員角色復雜，因此整個數據治理工作應該循序漸進，由易到難，逐步完善，迭代優化。