一、缺乏明確的目標

1、沒有明確目標。不能說沒有目標，而是目標定的很大、很泛、不聚焦，不考慮目標可實現性和可衡量性，例如：目標就是解決企業的所有數據質量問題。
2、數據治理的目標太過短視，導致數據治理的返工。例如：相關人員對數據質量目標的定義和理解沒有達成共識，存在分歧的情況下就開始實施治理。
3、數據治理目標不與業務目標掛鉤，只從技術角度考慮怎么治，不考慮為什么治？為了治理而治理！

小貼士：沒有明確的目標或者專注于短視的治理目標，沒有形成一套持續治理的機制，導致資源浪費，進而導致數據治理在產生效果之前被擱置一旁。有效的數據治理首先要有明確的治理目標，而這一目標一定要與業務價值綁定。

二、分工混亂、權責不明
4、誰有數據的擁有權，誰有數據的使用權，誰有數據的管理權等職責沒有清晰的定義，號稱人人都對數據質量負責，但實際上數據管理十分混亂、大量重復，真正出現問題后相互推諉，沒有人愿意負責。
5、沒有建立明確的數據確權和問責機制，出現數據問題不知道該找誰，多方協調，導致項目實施速度變慢，并導致許多質量問題沒有得到解決。
6、讓IT人員去關注數據質量的定義和趨勢，分析并確定數據質量問題的根本原因。不懂業務？沒關系，趕緊去學啊！
7、讓業務人員去剖析數據結構，搞數據血緣和數據使用。不懂技術？沒關系，趕緊去學啊！

小貼士：有效的數據治理必須做好數據的確權認責，處理好IT部門和業務部門的協作關系。IT部門應專注于技術交付，業務部門需要關注數據質量規則的定義和數據質量的持續改進。兩個團隊必須共同努力并保持開放的溝通渠道，以便監控和改進數據質量。

三、高層管理者關注不足
8、高層管理者對數據治理認知程度不高，將數據治理和數據管理混為一談，認為數據治理就是IT部門或者是DBA的事，IT團隊就能搞定了，不需要高層領導過多的參與和關注。
9、高層管理者天天高喊“數據是資產、治理很重要，要大力支持”等口號，雷聲大，雨點小，口號喊的響，沒有實質的行動。數據部門不能被完全賦權，或者安排一個毫無影響力的小部門去負責，這都不太可行。
10、高層管理者權威和影響力不足，不能推動數據治理目標與業務績效進行綁定，遇到跨部門協調，各部門嘴上答應一定好好配合，實際執行中還是我行我素，什么數據標準、數據規則，遇到強勢的業務就得給業務讓路、開綠燈，導致數據治理策略形同虛設。
小貼士：有效的數據治理項目需要高級領導層承擔責任，牽頭的高級管理者不僅需要對數據治理有一定的認知，還需要具備相當的權威和影響力，能夠做到跨部門的協調，并在項目中能夠給予數據部門充分的授權和大力的支持。

四、缺乏數據治理專家
11、將數據治理和系統管理混為一談，讓IT系統管理員對數據的質量負責。這就好比讓修自來水管道的對自來水的水質負責一樣不靠譜。
12、認為數據質量管理都是IT人員的事，懂算法、懂模型、懂編程就夠了。殊不知，數據質量團隊必須具有業務分析思維、對業務流程足夠了解才能做出正確決策，如果不能理解業務也可能無法理解錯誤數據的影響。
13、認為數據質量都是業務人員的事，由業務人員負責就夠了。殊不知，數據質量不僅僅與識別業務規則和糾正錯誤有關，它還涉及持續監控數據并設計將錯誤風險降至最低的流程。更何況在很多企業業務人員能夠把業務規則說清楚的其實也并不多。
小貼士：數據治理是跨職能的，不是某一個部門的事情或者某一個人的事情，單純的業務人員和孤立的技術人員都不具備交付數據治理的完整能力。企業需要培養一批既懂數據治理技術，也懂企業業務的數據治理專家。

五、不透明規則和系統
14、制定的數據管理制度、數據管理流程不進行發布和公開，定義的數據標準也不進行宣貫，相關干系人清不清楚這些規則也不知道，反正我們工作做完了。
15、數據治理的進度、成果不及時匯報，不讓相關領導和部門看到成果。我們可是實實在在的“數據工匠”，天天都忙著處理數據，調試程序呢，哪有時間搞那些虛的。啥，領導看不見價值？難道沒看見我們天天加班嗎？
16、 “財不能外漏”，數據就是資產，可得好好把它“藏”起來，別的部門想用不能給，有“信息孤島”才能保持與其他部門的“信息差”，確保我們的“神秘感”！
小貼士：有效的數據治理需要保持充分的透明度。項目的進展、工作成果、存在問題都需要及時讓老板看見，讓業務部門看見，以增強他們對數據治理的信心。有問題不能藏著掖著，應及時暴露出來，及時解決。在數據層面，也需要更加透明，主數據和參考數據要做到公司范圍內共享，數據資產、數據血緣要盡量可視化，要讓數據看得見、找得到、用得好。

六、被動式數據治理
17、只關注業務流程、不關注數據質量，數據質量只有在導致決策失誤、老板發飆時，才會成為問題。
18、不考慮主動建立數據治理的策略，沒有統一的數據標準，各系統數據各自維護，數據質量只有在系統無法有效集成時，才會成為問題。
19、平時不關注數據治理，不重視數據質量問題的及時處理，數據質量只有在監管部門開出罰單時，才會成為問題。
小貼士：有效的數據治理需要從事前、事中、事后三個層面構建數據治理策略，事前：定義和建立數據標準，進行數據標準的宣貫和培訓，培養企業數據文化。事中：基于數據標準的數據校驗、基于既定流程和制度的數據維護和使用。事后：連續的數據質量測量，持續的數據問題和業務流程改進等。

七、項目型數據治理
20、將數據治理視為一次性項目，一開始期望很高，認為通過一個項目的實施，數據質量會在一夜之間得到改善。
21、數據治理就是將當前的發現的數據問題處理了就可以了，還定義啥規則、寫啥文檔，那多費事，有那時間處理幾個數據問題它不香嗎？
22、數據質量和數據治理流程都是單一的一次性活動，做完就完事了，哪兒還需要建立持續的機制？
23、數據治理策略和數據質量處理措施不需要和相關部門達成一致，考慮那么多干嘛，加快速度趕緊干，先完成項目任務再說。

小貼士：數據治理的最終目標是提升數據價值，是一個持續漫長的運營過程，需要逐步完善、分步迭代，指望一步到位完成數據治理是不現實的。項目型的數據治理，是不全面的，無延續性，能夠解決一時的數據問題，但很難獲得持續的數據價值，效果也注定是差強人意。

八、孤立式數據治理
24、建立了數據標準但不進行數據貫標，遺留系統不做數據改造和映射，新建系統也不參考數據標準，數據標準被束之高閣，成為一紙空文。
25、將數據治理視為一項單獨的、額外的任務，不與業務流程掛鉤。業務部門只配合進行數據質量問題的清理，但不接受將數據規則內置到業務流程里。
26、業務部門認為數據治理只會增加他們額外的工作量，并對業務造成了一定的約束，對其業務績效沒有產生幫助和價值。
小貼士：有效的數據治理應被視為幫助業務人員實現業務目標的工具，它不是一項額外的任務，應嵌入到企業的業務流程中，在業務的日常中規范數據的維護和使用。