“產業數字化、數字產業化”的發展要求讓數據資產的建設變得尤為重要，在政企數據、行業數據、用戶數據的交換融合、多維分析、綜合應用的大勢所趨之下，數據的安全、質量、時效性、類目等要求勢必會逐步提高，建設可溯源、可管控、可量化的數據治理體系是構建企業數據上層應用的重要基礎，也是企業數字化轉型的必經之路。那么到底應該怎么做數據治理呢？
首先需要理解數據治理的本質是什么。當很多認知和行為模式不一樣的數據生產者同時在生產數據內容時，就會產生混亂的結果，這個也叫熵增。數據治理的本質，就是減熵，翻譯成大家都聽得懂的話，就是需要做規范化，或者叫標準化。而做標準化，又分為標準化的設計、標準化的執行兩個方面。
標準化的設計可以有很多方向，這里大概列一下比較通用的標準化設計的方向，僅供參考：
① 數據表標準化
大多數企業發展到一定階段都會做數倉的建設，數倉建設本身就是對數據表進行規范化設計和管理。即使沒有數倉，我們也可以簡單地從以下兩個方面來做數據表的標準化管理：
? 數據表分層和分類。數據表分dwd、dws、mid、dm、dim層，以及按營銷、商品、采購、倉儲等域區分，同時有商品、部門、用戶等主鍵用于權限隔離。
? 權限控制規范。不同層級表的讀寫權限控制，有公共庫和業務庫的區分，全量表和增量表的區分。
② 任務標準化
sql或者etl任務，在執行過程中的讀寫操作，是性能消耗的最大影響點，同時也決定了數據表數量和數據量的生成速度。任務的標準化對于數據治理而言重要性非常高，可以考慮從以下三個方向：
? 任務本身規范。包括命名規范，執行規范，全量表增量表的使用規范等。
? 任務之間的規范。依賴關系要有且清晰，以及層級清晰，層級也不宜太多。
? 性能最優。需要考慮單任務的執行效率，精準使用不同層級的表，以及不過度生產數據、不重復生成數據。在真正治理過程中發現性能異常的任務，往往都是因為沒有做性能優化導致。
③ 報表頁面標準化
報表在企業內會被大規模使用，核心報告也在被高層關注，對報告的標準化管理，能很直觀地體現數據治理效果：
? 分層報表管理。核心公共報表統一管理 vs. 自由報表單獨域或者目錄，移動端統一管理 vs. PC端自由產出，部門級核心報告 vs. 次核心報告分層等。
? 目錄規范。一般是建議按照業務屬性、部門屬性、項目屬性進行劃分，方便做權限管理。
? 頁面規范。這個就比較細致了，包含對于表頭，排版，顏色，字體，對齊，圖表大小，篩選器位置，統計表和明細表規則等等一系列的規范。
④ 指標標準化
在數據治理中，指標的問題是看似簡單但往往是問題最大的一類。我們常見的指標混亂問題，包括同樣的指標多口徑共存，口徑范圍不清晰，規則不清晰，邏輯不嚴謹等等問題，均需要做標準化處理：
? 指標和指標體系設計。參考阿里的原子指標、派生指標、衍生指標，不詳細講。
? 指標規范。需要從命名，口徑，范圍，邏輯，時間等等維度進行規范，建議做指標管理平臺或建設企業的指標白皮書。
? 指標歸屬。核心指標歸屬IT/數據部門統一管理，并且需要做自上而下的宣導，以及統一性保障（錯也一起錯）。而業務部門自己開發的指標，在命名上就需要做一些區分，以及在使用場景上需要規避跟核心指標產生信息沖突。
⑤ 權限管理標準化
需要對指標、數據表等進行機密性分層，以及按不同部門不同層級的成員進行權限的劃分，同時需要跟高層協商審批的規范，包含系統or郵件申請，不同類型申請對應的審核人。容易忽視的一點是，報表的權限和數據表的權限之間，需要保持權限的統一。
任何階段的數據治理，標準化建設都是必不可少。中小企業對于這塊容易忽視，在跑得快的過程中沒有及時將規則制定清晰，會為以后留下不少坑。
在做好標準化的設計后，下一步標準化的執行，難度會大很多，需要的是做一系列的流程建設，為標準化落實下去保駕護航，方向包含以下幾點：
? 監控機制。對于任務、頁面、數據表等，進行監控，以及針對異常項報警，郵件或消息提醒。
? 復盤機制。月度或季度進行項目的復盤，針對治理的效果、目標達成進行反饋，以及頭部異常客戶通曬。
? 責任劃分。責任到人，各方分別需要做的事情和承擔的責任進行同步。
? 培訓機制。使用規范的培訓，確保大家有統一的行為準則。
? 啟動專項。拉齊相關方，拉高層站臺，組織項目啟動會，并且做價值和目標的同步。
