數據為王，治理先行，當下數據治理正在如火如荼的開展，然而目前大部分企業的數據治理可以看到2個關鍵的問題：
其一就是數據治理屬于問題驅動和后治理型，即都是數據在產生和使用，協同和共享的過程中發現了問題，才來考慮數據治理的內容，這種問題驅動方式很難構建完整的數據治理體系。更多的是建設大量的類似數據稽核類系統，個人任務數據稽核系統本身就是一個反治理下的產物。
其二是希望通過IT系統建設來規范數據治理，這個雖然有點用，但是不全。比如建設MDM主數據系統，會減少類似元數據管理、數據質量管理、數據創建變更流程等。但是要看到系統本身僅僅是治理規范要求的落地，如果你沒有事先形成治理規范要求，那么系統再多也沒用。

也正是這個原因，我們需要重新來梳理和思考數據治理體系和框架問題。
數據治理的最終目標是提升數據的價值，數據治理非常必要，是企業實現數字戰略的基礎，它是一個長期、復雜的工程，涉及到組織體系、標準體系、流程體系、技術體系和評價體系五方面的工作領域，包含了數據標準、數據質量、主數據、元數據、數據安全等多個方面內容。我們一一展開來說。

數據治理的靈魂：五大體系

數據治理組織體系

一談到數據治理，必須先談組織體系。數據治理項目的實施絕非是一個部門的事情，不能在企業的單一部門得到解決，必須由上往下統籌，建立專業的數據治理組織體系，確定對數據進行管理的責權利，即數據的產生者、使用者、擁有者和管理者；明確相應的治理制度和標準，培養整個組織的數據治理意識。
可以說，企業高層的直接領導和積極參與，對數據管理組織的成功至關重要。企業數據治理是應有高層領導牽頭，業務部門負責，信息部門執行，企業全員的參與。企業全員應培養起數據思維和數據意識，當然這是一個長期的過程，也是一件很不容易的事情，需要一點一滴的積累沉淀，并不斷融入企業文化中。
數據治理標準體系

數據治理的標準體系是多個層面的，包括：國際標準、國家標準、行業標準、企業標準等。企業數據標準體系內容應涵蓋：元數據標準、主數據標準、參照數據標準、數據指標標準等。數據治理的成效，很大程度上取決與數據標準的合理性和統一實施的程度。企業數據標準體系的建設應既滿足當前的實際需求，又能著眼未來與國家及國際的標準接軌。

數據治理流程體系

要真正把數據作為企業有價值的資產來管理，就必須像管理財務、人力資源等業務功能一樣進行數據治理，這就要求企業需要在明確數據治理管控目標的基礎上，建立數據治理相關的工作流程。

數據治理流程體系，為數據治理的開展提供有據可依的管理辦法、規定數據治理的業務流程、數據治理的認責體系、人員角色和崗位職責、數據治理的支持環境和頒布數據治理的規章制度、流程等。數據治理是建立數據的生產、流轉、使用、歸檔、消除的整個生命周期管理的過程，企業應圍繞數據治理的對象：數據質量、數據標準、主數據、元數據、數據安全等內容建立相應的制度和流程。
數據治理評價體系

建立數據評價與考核體系是企業實施和貫徹數據治理相關標準、制度和流程的根本。建立明確的考核制度，實際操作中可根據不同企業的具體情況和企業未來發展要求建立數據的認責體系，設置考核指標和考核辦法，并與個人績效掛鉤。考核指標包括兩個方面內容，一方面是對數據的生產、管理和應用等過程的評估和考核指標，另一方面是數據質量的評測指標。

數據治理技術體系

數據治理包括數據治理的工具和技術，總體應包括元數據管理、主數據管理、數據標準管理、數據質量管理和數據安全管理等。合理引入技術工具，能提升效率，節省人力成本。億信華辰旗下睿治數據治理平臺正是融合數據集成、數據交換、實時計算存儲、元數據管理、數據標準管理、數據質量管理、主數據管理、數據資產管理、數據安全管理、數據生命周期管理十大產品模塊，打通數據治理各個環節，十大產品模塊可獨立或靈活組合使用，快速滿足政府、企業各類不同的數據治理場景。

?億信華辰睿治數據治理平臺架構圖
元數據管理：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，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。?
數據標準管理：數據標準適用于業務數據描述、信息管理及應用系統開發，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。
主數據管理：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。
數據質量管理：建立數據質量管理體系，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。
數據安全管理：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。

數據治理典型框架：經典可參考

一個好的框架能夠幫我們對復雜模糊的概念做清晰的梳理，明確目標與行動計劃，提高項目成功率。目前國內外權威機構已總結了一些數據治理框架，推薦給大家參考：
國際數據管理協會DAMA數據治理框架

DAMA 首先總結了數據管理的十大功能，主要包括數據治理、數據架構管理、數據開發、數據操作管理、數據安全管理、參考數據和主數據管理、數據倉庫和商務智能管理，并把數據治理放在核心位置；然后詳細闡述了數據治理的七大環境要素，即目標和原則、活動、主要交付物、角色和責任、技術、實踐和方法、組織和文化；最終建立起十大功能和七大環境要素之間的對應關系，認為數據治理的重點就是解決十大功能與七大環境要素之間的匹配問題。
國際數據治理研究所DGI數據治理框架

DGI數據治理模型，采用5W1H法則進行設計，分為組織架構、規則條例、治理流程三個層面。5W1H在數據治理模型中的應用：WHO，數據利益相關者；WHAT，數據治理的作用；WHEN，何時開展數據治理；WHERE，數據治理位于何處（當前的成熟度級別）；WHY，為什么需要數據治理框架；HOW，如何開展數據治理。
Gartner 數據治理模型

Gartner提出了數據治理與信息管理的參考模型，將數據治理分為四個部分：規范、計劃、建設和運營。Gartner數據治理模型的四個部分定義了企業數據治理的四個階段重點應關注的內容。
DCMM數據治理體系框架

DCMM國家標準結合數據生命周期管理各個階段的特征，按照組織、制度、流程、技術對數據管理能力進行了分析、總結，提煉出組織數據管理的八大過程域，并對每項能力域進行了二級過程項（28個過程項）和發展等級的劃分（5個等級）以及相關功能介紹和評定指標（441項指標）的制定。
結語：由于企業性質、業務特點、管理模式的不同，企業在開展數據治理工作的時候，最好將現有成果進行研究整合，結合企業自身的特點，引入專業數據治理公司或專家，建立符合現狀和需求的可落地的數據治理框架，指導企業數據治理工作的開展。只有這樣才能形成企業數據治理的驅動力，有效發揮企業數據資產的價值，引領企業在數字化轉型的道路上不斷前進。