知名咨詢公司Gartner的調研顯示，在實施
數據治理的企業中，有34%的企業數據治理處于良性建設階段，有近50%的企業數據治理并未取得理想的效果，僅有16%的企業數據治理效果顯著，處于行業領先水平。
影響企業數據治理建設成效的因素很多，主要有9個要素，如圖3-2所示。
▲圖3-2 企業數據治理的9個要素
01 數據戰略
很多企業都說自己重視數據，但是能規劃出明確的目標、范圍、實施路徑并具備可執行數據戰略的企業卻很少。企業的數據戰略應當與業務戰略保持一致，指明數據治理的方向。
02 組織機制
傳統的企業管理思路是“火車跑得快，全靠車頭帶”，這是在工業時代最優的管理信條。而在數字時代，我們需要的是“動力分散在各節車廂的高鐵”，每節“車廂”都有驅動力。企業需要進行組織機制轉型，追求精簡和靈活，明確各部門在企業數據治理中的角色、定位、職責和分工，以滿足數字時代企業數據治理組織建設的要求。
03 數據文化
數據文化是企業所有人員對
數據價值的一致認同，具體表現為：用數據說話，用數據管理，用數據決策，用數據創新。
04 管理流程
數據治理的目標是提升數據質量，讓數據源于業務，回饋業務。
與傳統的數據管理不同的是，數據治理作為一項驅動企業創新的工作，應當與企業的業務流程進行深度融合，通過優化業務流程，實現業務效率提升，創造數據價值。應當將數據治理作為一項能為企業創造價值的重要業務，而不只是一項支撐性的工作。
05 管理制度
很多數據治理不理想的企業有一個共同特點：要么沒有建立起數據治理相應的管理流程和制度，要么制度流于形式，沒有得到很好的貫徹執行。這些企業管理層面缺乏制度體系的建設，執行層面沒有標準可依，很容易出現違規情況。
06 數據
數據是企業
數字化轉型的基礎要素，但往往并不能在企業數字化轉型中發揮出應有的價值。許多企業擁有大量數據，但其中大部分數據缺乏統一的
數據標準，信息孤島問題嚴重，碎片化的數據在信息系統的數據庫中“沉睡”，為數據治理帶來困難。
07 人才
人才是推進企業數字化轉型的核心動力，而當前市場上的高端數據治理人才非常匱乏，導致企業數據治理所需要的業務專家、技術專家長期缺位，企業招不到合適的人才。此外，很多企業還有招聘框架和人才競爭機制限制，進一步減少了其引入高端數據治理人才的機會。
08 技術
傳統數據治理更多是“頭痛醫頭，腳痛醫腳”的局部治理。數據治理只在某些項目或部門中進行，缺乏對數據標準的整體規劃，不能全面展開，無法為企業帶來更多的價值。
要讓數據治理發揮價值，必須戰略性地使用數據治理技術，將數據治理貫穿于數據的“采、存、管、用”整個生命周期中。涉及的數據治理技術主要包括數據建模、數據標準、數據質量、數據安全、
數據集成、數據處理、數據使用等。
企業的數據治理應做好全面規劃，結合企業實際業務需求選擇合適的技術路線，有條不紊地推進。
09 工具
數據治理包含
元數據管理系統、數據標準化管理系統、
數據清洗與加工工具、
數據質量管理系統、數據安全管理系統、數據集成與共享系統等。
“器以載道”，企業應根據自身業務需求，基于企業現狀和數據戰略目標選擇合適的數據治理工具，才能達到事半功倍的效果。
（部分內容來源網絡，如有侵權請聯系刪除）
