1. 引言
2020年黨中央、國務院印發《關于構建更加完善的要素市場化配置體制機制的意見》，指出土地、勞動力、資本、技術、數據五個要素領域的改革原則、改革方向和具體舉措。數據作為新型生產要素，推進數據要素市場化配置，對推動經濟高質量發展具有重要意義。數據也被稱為“未來新石油”，隨著信息技術快速發展和深入應用，企業數據呈現出海量增長，如何從龐雜的企業數據體現出業務價值已經被越來越多的企業所重視，也使傳統的治理理念、治理工具等問題面臨前所未有的挑戰。

數據治理主要是規劃、監控、執行數據資產管理的相關活動。數據治理職能指導其他數據管理職能如何執行，數據治理制定正確的政策、操作規程，確保以正確的方式對數據和信息進行管理 [1]。數據資產將成為企業戰略資產，然而過去十幾年信息化以信息系統建設為主，信息資源不能共享，信息系統不支持跨部門、跨地區業務協同，“信息孤島/煙囪”成為信息化建設的“瓶頸”問題，數據標準化和數據資源中心建設嚴重滯后。一方面數據成為資產，需要以資產化的方式進行數據治理；另一方面企業數據的核心體現不在于數據的數量大，而在于數據的質量高。因此。只有通過數據治理的工作，將數據質量提升和整合，達到企業數據的上下貫通，橫向融合，才能更好的做好數據資產的運營。因此數據標準化管理正是企業數據業務價值得以實現的必經之路。數據集中管控和綜合治理成為大勢所趨 [2]。

2. 集團企業數據治理面臨的問題
由于業務的飛速發展，集團企業信息化建設處于大規模的建設期，但隨之而來的業務系統中的數據質量問題較為突出，很多業務創新的數據需求不能得到有效滿足，數據存在癱、散、重、慢、缺、難等問題。由于數據質量問題而造成的業務和管理問題也時有發生，當前集團企業數據治理面臨的主要問題：
1) 缺乏數據標準：在用系統各自維護自有數據，數據分散，標準不統一，數據不一致，無法為各業務應用提供有效的數據支撐；
2) 缺少系統支撐：架構不合理，系統間互聯互通方式較為原始，易出錯、維護難，數據共享不暢，系統耦合度高；
3) 缺乏治理體系：沒有明確統一的數據管理組織、流程、標準規范，無法從全局角度開展數據管理工作；
4) 缺乏集成標準：系統集成缺乏統一的標準和管理，無法約束系統集成規范性，難以協調管理大規模系統集成，無法持續擴展應用。

3. 集團企業數據治理核心內容
數據治理涉及到許多數據領域，通常集團企業數據治理核心內容主要包括數據標準管理、主數據管理、元數據管理、數據質量管理、數據安全管理五方面內容。

3.1. 數據標準管理
數據標準是指保障數據的內外部使用和交換的一致性和準確性的規范性約束，通常可分為基礎類數據標準和指標類數據標準。數據標準管理的目標是通過統一的數據標準制定和發布，結合制度約束、系統控制等手段，實現企業大數據平臺數據的完整性、有效性、一致性、規范性，推動數據的共享開放，構建統一的數據資產地圖，為數據治理活動提供參考依據。

3.2. 主數據管理
主數據(Master Data)是指用來描述企業核心業務實體的數據，是在企業整個價值鏈上被重復、共享應用于多個業務流程和信息系統的高價值數據，具有特征一致性、識別唯一性、長期有效性和業務穩定性等特征。主數據管理(MDM: Master Data Management)是一系列規則、應用和技術，用以協調和管理與企業的核心業務實體相關的系統記錄數據。主數據管理通過對主數據值進行控制，使得企業可以跨系統的使用一致的和共享的主數據，提供來自權威數據源的協調一致的高質量主數據，降低成本和復雜度，從而支撐跨部門、跨系統數據融合應用。

3.3. 元數據管理
元數據管理(Meta Data Management)，是指元數據的定義、收集、管理和發布的方法、工具及流程的集合。元數據管理旨在針對數據全生命周期的各個環節，清晰、完整地勾勒出數據資產的血緣關系視圖。元數據管理為數據質量管理提供基礎支撐，促進數據質量管理。

3.4. 數據質量管理
數據質量管理，是指對數據生命周期各階段中可能引發的各類數據質量問題進行的管理活動，以保障各項數據治理工作能夠有效落實，達到數據準確、完整的目標，并能夠滿足用戶對數據的質量要求。通過開展數據質量管理工作，企業可以獲得干凈、結構清晰的數據，是企業開發大數據產品、提供對外數據服務、發揮大數據價值的必要前提，也是企業開展數據治理的重要目標。

3.5. 數據安全管理
數據安全管理是指對數據設定安全等級，按照相應國家/組織相關法案及監督要求，通過評估數據安全風險、制定數據安全管理制度規范、進行數據安全分級分類，完善數據安全管理相關技術規范，保證數據被合法合規、安全地采集、傳輸、存儲和使用。數據安全管理的目標是建立完善的體系化的安全策略措施，全方位進行安全管控，通過多種手段確保數據資產在“存、管、用”等各個環節中的安全，做到“事前可管、事中可控、事后可查”。

4. 數據治理實施策略
數據治理是一個復雜的體系工程，首先需要調研企業的業務、信息系統現狀，同時需要兼顧內部組織機構和人員的情況，在此基礎上建立企業統一的數據治理組織架構、管理制度、管理流程、和考核評價辦法，通過技術以及管理的手段明確各部門“責權利”，保障數據治理工作有序開展 [3]。建議從組織架構、制度體系、審計方式和培訓宣貫四方面來開展數據治理。

4.1. 組織架構
典型的數據治理組織架構主要由決策管理層、組織協調層、執行層構成。如下圖1所示：

組織架構描述了數據治理的各個角色，為了保障相關角色相互協同配合，還需要明確角色的相關職責，在數據治理的日常管理活動中體現出來 [4]。數據治理的相關角色分工如下表1：

4.2. 管控體系
設計數據治理管控體系是為了保障數據治理活動的高效運轉，建立數據管控規范 [5]。

數據治理相關的管控體系包括數據標準管理規范、數據安全管理規范、主數據管理規范等具體規范。數據治理相關規范需要在執行的過程中進行監控，完善事中、事后檢查機制。事中檢查主要指的是在應用系統開發和系統上線時進行控制，包括數據標準、字段完整性等；事后監控主要指的是對數據存儲、數據安全、權限控制進行檢查。

4.3. 審計機制
建立數據治理審計機制，是為了監控數據治理的規范、制度等體系的相關執行情況，同時評估數據資產的完整性、準確性、一致性、規范性、實時性 [6]。審計數據治理活動首先需要建立審計體系規范，利用信息技術，設立專職人員進行審計。開展數據治理項目需要在項目的實施過程中利用集中審計，集中監控數據治理活動的有效性。

4.4. 培訓推廣
數據治理的培訓推廣是數據治理活動的有力支撐。有利于將數據治理理論基礎與數據治理實踐活動有效結合起來，同時有利于業務部門和技術部門順利開展數據治理活動。企業需利用內外部資源，安排業務部門和技術部門的員工參加數據治理的相關培訓，有利于培養數據治理的企業文化，促進數據治理活動的規范化、標準化 [7]。

關于數據數據治理培訓周期、培訓內容和參與方式，主要包括：數據治理課程培訓，外部專家經驗分享，企業新員工培訓數據治理的課程等 [8]。企業需要將數據治理納入員工晉升的范疇之內，根據數據治理任務的完成情況，建立數據治理獎項，對表現優異的團隊、個人進行獎勵，樹立行業、員工優秀模范，引導員工樹立不斷學習，激發員工不斷改進工作，提高工作質量和工作效率 [9]。

5. 數據治理價值
通過數據治理建設，將給企業基礎數據應用與管理工作帶來一次巨大的革新：

1) 數據管理模式變革：實現數據“源頭”集中管理，改變原有基礎數據分散管理現狀，為主營業務系統集中化部署與集約化運營管理奠定數據基礎，為未來信息代碼管理系統建設提供藍圖指引 [10]。

2) 數據共享模式變革：建立基礎數據共享“橋梁”，打破各系統信息交互壁壘，使得物資、產品、供應商、客戶等重要基礎信息能夠在多個系統內充分共享、高度復用。

3) 數據應用模式變革：制定數據標準化應用“指南”，在系統建設中規范使用基礎數據，保持信息代碼高度統一，進而為業務報表編制、數據統計分析以及財務業務一體化工作提供基礎條件。建立信息代碼應用標準、管理、服務標準，并完善現有編碼內容。

6. 結論與展望
數據治理的建設與實施是一個需要不斷摸索、不斷成長的系統工程，需要在支持企業的發展戰略基礎上，就企業現狀進行深入調研與分析，進行數據治理平臺的頂層架構規劃與設計，以組織、標準、制度等做保障，以數據治理平臺做踏板，制定治理標準、體系、制度并形成數據管理模式，形成貼合公司實際的全面的數據治理體系與數據實體架構，支持面向業務主題，對各類數據進行統一集中管理與資源共享，為實現企業便捷、高效、智能業務應用提供更好的平臺支撐。