初步構建企業數據治理體系，是實現數據分析的有效保障。在很多企業數據分析過程中，多數采用的是“頭痛醫頭，腳痛醫腳”的策略，出現問題臨時找人解決，只能解決眼前的問題，而不能從根本上解決。

主數據治理體系不能一蹴而就，也不是“大而全”，而是一種主數據的管理思維方式。企業的決策層和管理層必須要有體系思維，從體系本質定位出發，去設計和構建主數據管理體系，首先構建體系的框架，了解主數據治理體系需要包括什么內容，然后根據實際情況逐步構建和完善，構建和完善過程不是臨時的，一旦開始就要持續進行，其中人可以換，但是體系架構不能變。

主數據管理體系主要由組織、人員、流程、制度和考核五個方面組成。

首先要確定主數據治理的組織，實際就是主數據治理的官方機構和機構的定位。機構的規模可大可小，可以是一個人，也可以是一個團隊，定位可以隨著業務需要不斷完善，比如初期可以只有一個人負責協調和溝通，未來逐步發展成為在CDO領導下的主數據管理團隊、部門、委員會等。
人員是治理體系的執行者，是真正的治理者和被治理者。
流程是人員工作的依據，包括一個業務在什么時間出現，誰來負責，依據的方法，產生的結果等內容，都需要在流程中約定。
制度是約束主數據治理相關的事情和人員行為的規則，且要發布給相關的人員；人員要知曉制度的存在，要知曉制度位置和影響范圍。
考核是定期的、依據制度對人員的工作效果、工作能力進行的針對性驗證，通過考核能夠逐步完善制度、提升人員能力。

主數據管理平臺
主數據管理平臺是主數據治理體系落地實施的必要條件和有力工具。平臺可以將制度固化到系統中，通過系統規則的約束，規范主數據管理操作，有效提升數據質量，從而提升數據分析的效果和效率。

主數據天生就是共享的，主數據管理平臺更應該提供獨立標準數據的共享能力，為企業中的業務應用系統、數據分析平臺、流程管理平臺等企業級標準數據，從而保證不同的系統使用相同標準的數據進行業務管理和業務數據分析，從源頭提供標準的主數據，根本上解決業務數據質量的問題。

主數據在企業業務運營之初就存在了，但是主數據管理平臺未必在第一時間部署。（前面提到了很多有先見之明的CIO/CDO在業務運營前或初期就構建主數據管理平臺，使數據管理的歷史包袱沒有，或很小。）但是，對于多數企業來說，歷史數據是企業的高價值資源，也是沉重的歷史包袱。

主數據管理平臺能夠提供當前的數據標準與歷史數據映射關系，通過關聯、合并等方式，建立歷史與現在的關系，支持數據分析構成中歷史數據與當前數據的對比分析，從而保證數據的完整性、一致性和準確性，為數據分析和經營決策提供關鍵的數據支持。

企業標準主數據
最終影響企業數據分析的是數據分析的對象和維度是否標準。一旦在企業范圍內擁有標準的主數據體系，即可無需擔心標準問題，數據分析工作將非常順利，只需要關注分析的方法、分析的場景、分析的視角、分析的問題等業務層面的問題，而無需在數據標準、數據質量、數據清洗等方面耗費太多的精力和時間。

企業標準主數據的范圍，隨著業務的發展和組織的重組，會不斷擴大并補充完善。但是這些標準數據是穩定的，企業可以基于標準數據，進行多維度、長周期的數據分析，并利用大數據平臺構建數據湖，進行數據建模和開發，基于業務特定業務場景的數據分析和驗證。同時，企業的標準數據可以共享給產業鏈上合作伙伴（如，供應商、渠道商、承運商等），讓企業與合作伙伴在業務數據分析上達成一致，降低企業的整體運營成本。

主數據平臺建設是提升數據分析質量的基礎
主數據治理推進的方式有兩種，第一種是自上而下，戰略導向，由企業的決策層直接提出并推進，從咨詢規劃、組織建設、實施推廣、運營管理等，都是自上而下的。這種方式的特點是資源投入充足，影響力大，支持時間長，但在數據層面，起效周期比較長，主數據治理工作的策劃和啟動的周期也比較長，適合大型集團型企業的數據戰略規劃。

第二種是自下而上，問題導向，由企業數據管理部門或信息管理部門主導，協調相關業務部門一同進行，聚焦具體的數據業務場景，以問題為導向，在相對較短的周期內完成一個主數據治理的循環。這種方式有限投入資源，在已有的信息架構和數據架構的基礎上，快速迭代，持續解決問題，可以在短周期內達到期望的業務成果，直接對數據質量產生影響，提升特定業務場景的數據分析的質量和效率。

專業的主數據治理的方法和問題導向的主數據治理方式，具有在短周期見效、資源投入少、推進效率高、管理風險小的特點，適合當前多數企業。這種方式中，主數據管理平臺是必備工具。

將主數據管理平臺建設作為主數據治理的切口，通過主數據管理平臺建設將治理的關注點聚焦在業務問題和平臺建設，同時逐步完成主數據治理的組織、人員、流程、制度和考核的治理體系建設；

通過主數據管理平臺，將主數據域逐步在平臺中落地實施，并提供與數據分析平臺、業務管理系統的主數據標準數據的集成和共享，快速提升數據質量，可幫助企業一舉解決數據分析中的數據標準問題、數據質量問題和數據來源問題。