在过去十几年信息化已信息系统建设为主，以满足业务操作层面的应用为核心，信息系统之中沉淀了一些数据，但数据的利用率非常低，更谈不上数据资产。这个时期被称为是信息化时代。这个时期数据管理的主要问题是：1、“睡眠数据”数据被存放在信息系统的数据库中或个人的电脑里，长期处于“睡眠”状态，很少被使用，数据的利用效率非常低。2、“信息孤岛”问题严重，异构的信息系统之间各自为政、烟囱林立，数据不共享或共享困难，业务难以协同。3、数据标准不一致，不同部门、不同员工之间因为数据定义不清，口径不同，缺乏规范而无法顺畅交流和沟通。数据的问题其背后的原因是企业在数据管理上缺乏整体的规划，没有统一的数据字典，数据治理非常困难。

 

用数据思考，用数据说话、用数据管理、用数据决策、用数据创新，用数据构建数字化企业，成为了企业数字化转型的大趋势，被称为是数据驱动转型的数字化时代。然而，数据问题不解决，数据体量再大也就仅仅只是数据，并不能为企业产生价值。要让数据产生价值，需要让数据成为资产，而数据治理是实现数据到数据资产的必要手段，是企业数字化转型的必经之路。

毋庸置疑，数据治理变得越来越重要，成为推动数字化转型的主要因素。每个重大的数字转型计划都离不开数据，这意味着所有计划都能从数据治理中获益，只有这样才能确保数据的可信度、可靠性、安全性及可访问性。

 

据知名咨询公司Gartner调研，在实施数据治理的企业中，有34%企业处于良性建设阶段，有近50%的企业数据治理并未取得理想的效果，仅有16%的企业的数据治理效果显著，处于行业领先水平。做的好的企业我们暂时不表，对于数据治理建设不理想的企业，大概主要有以下几种原因：1）认识不到位，很多认为数据治理仅是一项信息化工程，只在项目建设期重视，结项后并没有持续运营。2）组织重视程度不足，没有为数据治理成立相应的组织机构，没有明确组织对数据管理的权力和责任。3）缺乏制度上的保障，企业没有将数据治理作为一项业务去运营，没有建立起数据治理相应的管理流程和制度。4）头痛医头脚痛医脚的局部治理，数据治理只在某些项目或部门中进行，缺乏对数据标准的整体规划，数据治理不能全面展开。5）缺乏正确的方法和路径，盲目治理未能结合企业现状和需求摸索出符合企业自身的数据治理方法和路径，数据治理工作无法给企业带来价值。6）人才匮乏，数据治理所需要的业务专家、技术专家长期缺位，找不到合适的人才。

 

数据：数据是企业数字化转型的核心驱动力，但往往在企业数字化转型中并不能有效发挥其应有价值。如今企业往往拥有大量数据，但其中大部分数据没有实现统一的标准化；碎片化的数据存在于不同的系统中，为整体的数据治理带来了困难。多数企业没有数据架构，或仍停留在传统的数据仓库阶段，全面的数据治理体系缺失。

战略：很多企业都说重视数据，但是有着明确目标、明确范围、明确实施路径，具备可执行、可实现性的数据战略的企业却很少。

组织：企业传统的管理思路以“火车跑得快，全靠车头带”，这是在工业时代最优的管理“信条”。在数字化时代里，我们需要的是动力源于分散在各个车厢中的高铁，也就是说每节车厢都需要自驱力。组织也需要向智能化转型，追求精简和灵活，改变各部门的定位以适应数字化的带来的变化。

流程：数据治理的本质是数据源于业务、回归业务。与传统数据管理不同的是数字化时代数据治理将作为一向驱动企业创新、为企业创造价值的业务去开展，而不是仅仅是一项支撑性的工作。

制度：在实施数据治理不理想的企业中，很多企业并没有将数据治理形成企业的制度去贯彻，管理层面缺乏制度体系的建设，执行层面没有标准可依，很容易出现违规情况。

人才：人才是推进企业数字化转型的核心动力，而当前市场上符合企业要求高能力的数据治理的人才是非常匮乏的，再加上很多企业的招聘框架和人才竞争机制限制，而错失引入高端数据治理的人才的机会。

文化：数据文化是企业所有人员对数据价值的一致认同，具体表现为用数据说话、用数据管理、用数据决策、用数据创新。

技术工具：数据治理包含了数据采集汇集、元数据管理、数据标准化、数据清洗与加工、数据质量管理、数据集成与共享等技术和工具，不同企业应根据自身特点和需求选择适合的技术与工具。

 

数字化时代，企业面临的是时刻变化、高度不确定性的外部环境，需要企业不断保持创新活力，以适应变化、动态成长。数据战略是指导企业数字化转型的方略，是为企业数字转型照明道路的灯塔。数据战略主要包括：数据战略目标、数据战略范围和内容、数据战略实施策略、以及数据战略的实施路径和行动计划。世界变化太快，谁都无法预测10年后的世界是什么样子的，企业数据战略的制定要与时俱进，并且应具备应对市场和技术变化的能力。

相关观点请参考：《数据治理成功要素1：企业数据战略管理》

企业数字化成功转型的关键在于企业自身，企业要实现转型的自我驱动，识别和聚焦核心能力，自我提升核心能力的内化。企业数字化转型过程中，数据对业务不再是支撑作用而是“驱动”作用，面对灵活多变的市场环境，数据为各业务部门提供了自驱的源动力，从而驱动企业经营、管理和决策。数据治理机构不再是企业的信息保障部门（成本中心），而是能够为企业创造价值的重要部门（利润中心），这是数字化企业组织创新的关键。

企业数字化转型需要将企业文化融入转型、融入管理、融入经营，而企业文化建设目标是将数据文化 “内化于心、外化于行、固化于制”。“内化于心”是指建立起企业人员的数据化思维，用数据思考、用数据说话、用数据管理、用数据决策，将数据思维、数据意识融入到企业文化的血液中。“外化于行”是指数据驱动业务，数据驱动管理，用数据化思维指导业务执行和管理决策。“固化于制”是指通过培训、绩效激励等方式，加强对数据文化巩固。企业文化建设不仅是一个行为过程，而且是一个量化过程，即企业文化建设主体的行为和结果都可以量化为具体的数值，为统计分析和考核评价奠定科学基础。

数据治理之法，构建数据治理的七大核心能力，支撑企业数字化转型。数据治理的七大能力包括：数据规划和设计能力、数据管控和执行能力、数据标准和贯彻执行能力、数据质量管理能力、数据安全管理能力、数据治理工具和平台能力、人才培养和梯队建设能力。

 

1、数据规划和设计能力。数据治理要紧紧围绕业务目标开展，要从管理层和业务部门最关心的数据需求出发，聚焦业务价值，兼顾短期和长期收益，进行数据的规划和设计。企业数据治理组织人员应具备数据规划和设计的能力，用数据支撑企业战略和业务目标的实现。

2、管理流程和制度运行能力。企业数字化目标的实现离不开管理制度和流程和支撑。建立并健全数据治理流程，落实各级数据管理部门和提报人的岗位和职责，规范数据的新增、变更、使用流程，最大限度地提升数据质量，实现“数出同源、上下贯通”。数据治理相关制度和流程需要结合企业业务现状进行制定，并实施各类数据的申报、审批、校验、生成、变更、维护的全生命周期的业务管理流程，实现全面的数据管控。

3、数据标准和贯彻能力。数据标准化是企业数据治理的重要手段，数据标准的制定、发布、宣贯、执行、验证、优化是一个螺旋模型。企业在数据标准化治理过程中会涉及到新旧系统、不同部门、不同业务的冲突，要解决这些冲突，准确的影响评估和良好的干系人沟通是企业数据治理人员重要的工作能力。

4、数据质量管理能力。数据治理的目标是提升数据质量、以数字化能力支撑企业业务和管理目标的实现，数据质量管理能力包括数据质量规则的定义、数据质量检核、数据质量报告、数据质量改进等方面。

5、数据安全管理能力。数据安全越来越被企业所重视，数据安全的治理贯穿于数据采集、数据传输、数据存储、数据处理、数据交换和数据销毁的整个生命周期过程中。每个阶段都需要企业数据治理人员具备数据安全的意识和专业知识。

6、数据治理工具和平台能力。使用强大的数据治理工具，无疑能够让企业数据治理工作事半功倍。数据治理领域根据不同的需求侧重点，所使用的工具也不同，目前主要包括的工具：元数据管理、主数据管理、数据治理管理、数据模型管理、数据标准管理、数据安全管理、数据资产管理等。近几年，数据治理日趋火爆，数据治理市场上的各类工具鱼龙混杂，笔者在工作中也接触到一些并不是做数据治理的公司，也开始涉足这一领域，甚至有些公司连产品还没有，就开始做市场宣传了。数据治理领域竞争越来越激烈，已经不仅是传统数据治理产品厂商在竞争，不同行业、不同领域总会时不时杀出一个令你意想不到的对手，这可能就是互联网下的企业竞争形态吧。

7、人才培养和梯队建设能力。数字化时代的商业竞争是数字化人才的竞争。合理的人才培养和招聘以及利益分配机制的建立对企业数据治理团队的建设有着重要的意义。笔者一项认为数据治理梯队的建设，并不是人招的人越多越好，人才成本越贵越好，而是通过人才成本优化、合理的进行人员配置、激活团队的整体活力，增加企业竞争力才是王道！

数据治理之术，推行数据治理八项举措，铺平企业数字化转型之路。这八项举措分别是顶层规划、蓝图设计、路径规划、组织建设、标准贯彻、平台赋能、绩效考核、持续运营。

 

顶层设计：数据治理的顶层设计是紧紧围绕企业的数据战略和价值创造展开，企业的数据战略可以分为三个层面：一是利用数字化技术优化现有业务流程和资源配置，将现有的传统业务改造为数字化业务，实现降本增效；二是创造新的数字化业务，通过数据赋能，借助数据分析、挖掘、人工智能的手段，探索新的业务模式、管理模式，实现业务的创新，增强企业竞争力。

请参考《数据治理成功要素1：企业数据战略管理》

蓝图规划：依据数据治理顶层设计数据治理的业务蓝图，业务蓝图就是根据对企业需求进行分析，再结合业界最佳实践，设计一个理想管理蓝图，业务蓝图重点是给出具体的业务目标，以及实现这一目标所需的工具、方法、组织机构、数据标准、管理流程、考核制度等，实现数据治理从“头痛医头脚痛医脚”到全方面、全链路的治理体系规划。

路径规划：根据企业数据治理的蓝图目标，进行实施路径的规划，确定实施阶段，明确每个阶段的治理目标、时间节点、资源投入、输入输出和预期收益。

组织建设：通过建立专业负责、分工协作的数据治理组织体系，落实各数据管理组织和支持部门的权责，建立职责分明、分工明确的管理组织，实现数据治理从项目型组织管理向专业实体组织管理的转变。数据治理组织的建设也是数据文化建设的最佳时点，数据组织初期更容易将数据文化、数据治理目标和价值融入到每一个人的思想中，从而形成团队文化。随着数据治理组织的规模化，这种团队文化会不知不觉的融入到企业文化中，从而引领企业整体数据文化的建设。

请参考《数据治理成功要素4：数据治理组织制度保障体系的建设》

贯彻标准：在数据治理过程中，数据标准的制定与贯彻实施同等重要，这里的数据标准包括元数据标准、主数据标准、数据治理流程、数据治理制度。数据标准贯彻实施前需要在企业内部甚至对外的有关信息平台上进行公开宣传，让企业各级领导和员工增强数据治理意识，并引起有关部门领导和员工的高度重视。使各相关部门能够积极主动的参加培训、实操演练，结合本单位/部门实际业务和具体需求进行数据标准的学习研究并准备贯彻实施计划。

平台赋能：工欲善其事必先利其器，企业需要构建起符合企业需求和未来发展要求的数据治理平台和工具，赋能企业数据治理。数据治理平台主要包括：元数据管理，实现元数据的定义和采集，构建数据资源目标，形成企业数据资产地图；数据标准管理，实现数据标准的需求的收集、数据标准的制定、数据标准的颁布、数据标准的贯彻实施全周期管理；数据质量管理，实现数据质量指标定义、数据质量检核、数据质量报告和数据质量改进的闭环管理；主数据管理，实现企业核心数据的创建、变更、采集、分发、注销的全周期管理；除此之外，数据治理过程中还可能用到的用户还有：数据模型管理工具，数据交换工具ETL、ESB，数据分析工具等。

请参考《数据治理成功要素6：技术与工具——数据治理的七把利剑》

绩效考核：绩效考核是为了更好地实现生产经营目的而进行的绩效评估和改进活动。同样，对企业数据治理来说，企业需要建立一套奖惩有序的绩效考核体系，通过合理有效的激励问责机制，规范数据管理流程，落实各参与方职责，从而提升企业数据质量，达成考核目标和最终实现数据战略。数据治理绩效考核的闭环管理，主要包括：制定考核方案、明确考核对象、建立考核指标、落实考核执行、促进优化改进。

持续运营：数字化时代，业务变化、技术变化都非常快，数据治理应紧跟时代脉搏，采用“小步快跑、持续迭代”的方式进行运营。迭代不是意味着全盘颠覆，而是业务、技术、管理经验的不断累计与传承，以及持续改善与优化！

数字化转型方兴未艾，数据治理构成了公司范围数据管理的基础，可以有效地使用可信赖的数据。有效的数据管理是一项需要集中控制机制的重要任务。通过有效的数据治理，发现数据价值，获得洞察力和智慧是数字化企业追求的目标。以数据治理的八项举措为行动计划，铺平企业数字化转型之路；建设企业数据治理的七项能力，实现数据的集中治理，合规应用；打造“数据战略+组织机制+数据文化”的数据治理生态，形成数据治理的自我驱动、自我进化、可持续发展和长效运营机制。这就是我目前理解的数据治理的“术”、“法”、“道”！