在這些年的數據治理實踐當中有成功的經驗，當然也經歷過很多失敗的教訓，有些教訓反反復復的出現…筆者一直在思考怎么避免這些問題，所以今天就跟大家分享一下我們曾經遇到過的坑，希望對大家會一些指導意義。

數據治理當前大部分的立項都是信息技術部門，原因在于業務部門往往覺得數據治理和我沒什么關系，技術部門大多是以數據中心或者大數據平臺為出發點，受限于組織范圍，不希望擴大到業務系統，只希望把自已負責的范圍管好。

這種情況呈現出的狀態，即客戶遇到了數據質量的問題，也意識到要通過數據治理來解決，很多時候，客戶所立的項目就叫數據治理，殊不知數據治理是一個很大的概念（這里指廣義的數據治理），包括很多內容，想在一個項目里就做完是不可能的，很多人認為我們只做了元數據、數據質量、數據標準，內容不算多，但其實內容真的不少。很容易導致最后哪個也做不好，用不起來。

1.客戶的需求不太明確
客戶想了解數據治理，并且想花大價錢去做數據治理，必定是因為數據存在很大問題，很多臟數據導致分析得不好看，但是做什么，如何去做，做多大的范圍，先做什么后做什么，達到什么樣的目標，業務部門、技術部門、廠商之間如何配合做等等，很多客戶其實并沒有想清楚自已真正想解決的問題。于是，數據治理，很難找到一個切入點。

2.數據治理是技術部門的事

很多業務人員認為，數據治理是技術部門的事，但是其實數據產生問題，往往是來自源頭，也就是業務人員，業務人員錄入數據不規范或者缺失，導致數據產生各種問題，很多表面上的技術問題，如ETL過程中某代號變更導致數據加工出錯，影響報表中的數據正確性等，在本質上其實還是業務管理的不規范。

在跟客戶溝通交流的時候，會發現很多客戶可能不知道數據產生問題的根本原因，只想通過技術去把數據治理好，錯誤數據治理正確，缺失數據補全，希望通過清洗去將數據治理好，然后分析得美觀，但其實我們在治理數據的同時，需要去制訂規范，去規范我們的數據，把錯誤數據扼殺在搖籃里，這樣我們在治理數據的同時，能保證后面錄入的時候不會再有錯誤數據，避免進入死循環，這就需要各個部門，技術和業務齊心協力，共同維護數據問題。

3.大而全的數據治理

出于投資回報的考慮，客戶往往傾向于做一個覆蓋全業務和技術域的、大而全的數據治理項目。從數據的產生，到加工、應用、銷毀，數據的整個生命周期他們希望都能管到。從業務系統，到數據中心，到數據應用，里面的每個數據他們希望都能被納入到數據治理的范圍中來。

客戶一般想要把數據治理做全，全生命周期的一個管理，從采集，到治理，到清洗，到分析，到銷毀，從業務系統，到數據中心，到數據應用，里面的每個數據他們希望都能被納入到數據治理的范圍中來。但其實數據治理很廣，想要在一個項目里面把數據治理做全是很難的，具體到實時層面要考慮各個因素，實施周期會比較長，所以會有一期、二期分批地去實現，我們需要引導客戶，遵循2/8原則——80%的問題產生于20%的系統和數據——從最核心的系統、最重要的數據、最容易產生問題的地方開始著手做數據治理，進而推廣到其他系統，把數據治理做全

對于企業而言，有效的數據治理是必不可少的，當企業在數據方面出現問題，無法為企業高層做分析決策提供數據支撐時，數據治理的啟動勢在必行，選擇合適的時機啟動數據治理，是避免決策出現重大失誤的有效手段。目前國內能做數據治理的公司有億信，普元、石竹等，其中億信做這一塊起步較早，已經有成熟的產品和解決方案

億信華辰自主開發的睿治數據治理平臺包含以下功能：


元數據：元數據是數據治理的基礎，是對數據的描述，可總覽分析元數據之間的關系和互相之間的影響。

數據標準：數據標準是對數據進行統一的、規范的定義，確保數據在復雜數據環境中保持一致性、規范性，提高數據管控的效率，完善數據治理體系。

數據質量：數據質量包括對數據質量規則的定義、數據質量檢查方案的定義，支持定時自動執行質量檢查，自動生成質檢報告，監控并揭示數據質量問題，提供問題明細查詢和質量改進建議。

數據處理：數據處理主要用于對數據進行清洗、轉換、整合、模型管理等處理工作，既可以用于對數據問題進行可行的修正，也可以用于為數據應用提供可靠的數據模型。

主數據：主數據是對需要共享的數據建立的統一管理，為各業務系統數據調用提供黃金數據。

數據資產：數據資產是將全部數據作為資產，進行不同角色的目錄化管理，分析數據資產之間的關系，獲知資產訪問、利用情況等。

數據交換：數據交換用于實現不同機構不同系統之間的數據傳輸交換，完成基本的數據匯集，確保數據在傳輸中的完整性、一致性。

數據生命周期：對數據的全生命周期進行管理，主要是根據設置對數據進行自動歸檔和銷毀，對近線數據和離線數據分別管理。

數據安全：數據安全貫穿于數據治理全過程，用于保證數據的安全性，提供對隱私數據的加密、模糊化處理。

睿治平臺主要目的是發現并解決數據問題，通過一系列措施規范數據，減少數據問題發生，整體提高數據的應用價值。將實現業務目標作為數據管理和服務的核心驅動力，優化數據架構，提升數據倉庫/信息化管理系統建設，支持管理能力的提高、精細化和決策的科學性。