公司在2022年工作會議上提出了“5141”數智驅動的商業智能總體框架（如下圖所示），要求圍繞頂層設計、組織保障、流程運營、IT支撐、數據安全治理、數據消費六個方面構建企業級數據治理體系，確保數據從產生、處理到消費的端到端全流程高質量運轉，有效提升客戶體驗和企業運營效率，持續推動業務創新。

自己有幸參與了企業級數據治理體系的構建工作，現在組織保障體系基本建成，包括數據責任人制度的建立、數據治理委員會的成立及數據治理團隊的構建三部分內容，但要讓這個組織體系真正轉起來并不容易，充滿挑戰。

一、數據責任人制度建立

數據責任人制度的靈感來源于華為的數據之道，主要是通過設立公司數據責任人和領域數據責任人，清晰化了數據生產者、數據消費者和數據控制者相應的權利、責任和義務，老板對于這一點特別感興趣，因為這符合企業的實際，即沒有一個集中化的數據組織會比各個領域更了解自己的業務和數據，很多數據問題靠集中化的數據組織來解決效率是很低的，也是不可持續的。

但華為的組織架構跟很多傳統企業不太一樣，因為其事業部一般有自己的IT部門，自力更生搞IT和管數據具備一定的基礎，把事業部的老大設置為領域數據責任人就能解決大多數內部的協同問題，而一般傳統企業的業務部門并不擁有自己的技術團隊，IT和數據團隊大多在集中化的IT部門，那么，讓業務部門去管理數據似乎有點勉為其難，怎么管呢？

這的確是個大問題，因此每個企業還是需要具體情況具體分析，不能照搬華為的實踐，那么為什么自己所在的企業就可以呢，我總結下來也許跟以下四個因素相關：

第一、公司的數字化水平相對是比較高的，20年前我們就開始搞數據倉庫和BI了，當前數據中臺的模型超過6000個，對內開放的數據超過3000個，報表和指標體系比較完備，DataOps也比較先進，懂SQL的業務人員就超過1500人，一線應用呈現百花齊放的局面，雖然業務和IT組織的一體化可能還達不到，但業務和數據一體化還是比較現實的。

第二、公司業務上分為BOM三域，O域是網絡域，網絡域天然就是業務和IT一體化的，而且O域的數據價值又極高，讓O域管好數據對于公司來講意義很大。

第三、B域是市場域，在TO C領域一直面臨著激烈的競爭，為了快速的響應市場，10多年前市場部就成立了專門的綜合分析團隊來進行自主建模和取數了，現在綜合分析室的很多骨干就是從IT部門的數據團隊競聘過去的。

第四、公司近幾年一直鼓勵B域的市場、政企、地市等部門能基于中臺能力進行小IT的建設，以快速靈活的支撐業務需求，現在人員和系統也具備了一定的規模，領域小IT自治代表了一種趨勢。

我想正是基于以上因素的綜合考慮，公司才決定建立公司和領域數據責任人制度，但大多數企業也許并具備這樣的條件，因此不要盲目借鑒。

為了讓數據責任人制度發揮出實效，我們對于公司的數據問題現狀進行了深入的分析，給出了當前數據領域面臨的主要矛盾，并以此為基礎明確數據責任人必要的職責，即領域數據責任人要做好領域信息架構管理、數據入湖及數據開放支持相關工作，下面是數據責任人職責的示例：

公司數據責任人職責：負責統籌各領域信息架構管理，做好元數據管理和主數據管理的構建；協調各領域開展數據入湖支持，組織各領域實施數據質量保障，并建立相關工作的具體流程；負責實施企業級數據資產匯通與開放，協同各領域在數據安全合規及流程可控的前提下實現數據高效開放。

領域數據責任人職責：負責對本領域所轄業務的IT系統信息架構的構建管理；負責本領域的元數據管理及主數據管理；負責本領域原始數據采集和匯通入湖，負責本領域數據質量（質量六性：完整性、及時性、準確性、有效性、一致性、唯一性）管理。

為了確保數據責任人制度能夠落地，公司還做了三個方面的保障工作：1、各部門新增數據責任人的職責，IT部門（下設數據管理部）為公司數據責任人，各部門為領域數據責任人。2、明確公司所有部門的領域數據責任人和數據治理專員名單。3、建立專題組采取變革項目的形式推進數據治理工作。

二、企業級數據治理委員會建立

有了數據責任人還不夠，還需要一個頂層的組織把大家聚合在一起來決策和議事，成立企業數據治理委員就是業界標準做法，我們也不例外，具體可以參考下圖：

數據治理委員會由公司一把手擔任主任，其它管理層作為組員，主要負責決策公司數據治理工作總體規劃、重要方案和資源配置，審核公司數據治理工作相關規則、流程與制度，督導和推進公司數據生產、匯通和應用。

數據治理委員會下設數據治理辦公室，作為企業內部組織開展日常數據治理工作并對整個過程進行管理協調的專職機構，主任由公司負責規劃和IT的副總擔任，各領域責任人擔任成員，主要負責起草公司數據治理體系的相關規劃、方案、流程與制度；落實公司數據治理相關的數據生產、匯通和應用工作；召開數據治理工作相關的日常會議及協調處理數據治理工作中的相關問題。公司的數據管理部作為歸口管理部門進行統籌推進。

在數據治理辦公室建立后，我們也是邊做邊琢磨，圍繞數據治理辦公室逐步形成了了四大長效機制以確保相關工作能夠落地，包括：

1、決策機制：優化完善投資立項決策會、產品決策會，審議決策信息架構設計、數據匯通、數據質量保障及數據消費應用等重大事項，也就是說，不滿足數據治理要求的投資和產品決策可以不予以通過，但大多事情還是通過召開聯席會議的方式協商解決。

2、聯席機制：數據治理辦公室不定期召開聯席會議（公司數據管理部按需發起），商議和布置數據治理重點工作，重點解決跨領域、跨層級的數據治理問題，近期布置的重點工作包括各領域的系統與數據資產全量梳理、數據缺失情況梳理和分析、數據專項應用梳理、數據字典管理辦法和數據對內開放管理辦法的編制、開展公司XX主數據統一運營工作等等。

3、輔導機制：數據治理工作對各領域是全新的工作，起步的時候不知道如何開展工作，這就需要公司的數據管理部來發揮統籌作用，包括任務布置、方法指導、問題答疑及培訓輔導等等，比如數據管理部為了確保各領域梳理的數據資產符合要求，創新了一個“5-5-40”數據目錄盤點法，用以提升各領域數據資產盤點的質量和效率，下面是“5-5-40”的一個示例，大家可以參考。

4、督促機制：各個領域對于數據治理工作存在重視程度不一、質量不一、進度不一等問題，因此數據管理部以周為單位開展數據治理工作進展的通報，及時發現并解決工作推進過程中出現的問題，由此形成閉環。

數據治理是一把手工程，無論是數據責任人制度、企業數據治理委員會還是數據治理辦公室，都離不開公司一把手的鼎力支持，我們在擬定組織變革方案時，跟公司老大匯報多次，有一次老大直接拿著華為的書來討論問題，直到最終上會前幾個小時還在跟老板討論修改，其謹慎重視程度可見一斑。

在組織建立的過程中，大致能確定未來的工作方向，但在這些方向上具體做什么還是不太確定，老大很早就意識到了這一點，特意提出了三個導向：問題導向、市場導向和全局導向，問題導向就是不搞花架子，市場導向就是不追求完美，全局導向就是不搞重復建設。

要遵循以上三個原則，顯然拿著業界數據治理的規范、標準、書籍、文章或最佳實踐來臨時抱佛腳是沒有用的，只能依賴數據管理團隊的主動分析，下面舉個例子：

華為公司提了數據開放“3個1”的目標，但我們公司要不要跟進，取決于我們首先要知道自己的“3個1”的現狀到底是什么，這個問題雖然大家平時都看得到，但這個問題到底嚴不嚴重，有沒有必要改進，改進的難度多大，得到的效益如何，其實大家不一定很清楚。

但端到端分析清楚現狀要花費很大的代價，以前沒有一個部門會做這個事情，而分析不清楚現狀，就沒有資格把問題放到臺面上去討論，更不可能說服公司各部門去進行流程的精簡。

下面是我們梳理的某個領域的數據開放流程的部分，光是調研流程就花去了大半月時間，然后要取數分析，然后得出初步結論，然后再征集相關部門的意見，由于大家都有客觀原因，因此還需要權衡利弊給出折中的方案，最后再上會決策，數據治理每一樣事情都要這么干，挑戰還是很大的。

那么，到底誰能分析清楚公司數據領域存在的問題呢？咨詢公司或合作伙伴顯然不是合適人選，因為管理成本太高了，那就只能靠公司自己的數據管理團隊，但IT部門的數據管理團隊往往是以技術工作為主，其實并不擅長去做這類流程分析的工作，這就造成了很多公司數據治理工作兩張皮的現象：頂層設計似乎不錯，但沒有人能執行，最后好不容易建立起來的公司級數據治理組織和機制形同虛設，可能幾年都沒開一次會。

現在數據治理的理論體系還是比較全面了，無論是DAMA、DCMM、白皮書、實踐書亦或是華為的數據之道，相信大家都能學習到精髓，但難的還是執行，不同的數據管理團隊會導致不一樣的結果，現在企業數據治理人才極度稀缺凸顯了數據管理團隊變革的重要性，因此如果企業只在頂層設計上下功夫，但對數據管理團隊的變革不聞不問，最終可能是竹籃打水一場空。

三、數據治理團隊的構建

跟華為公司數據管理部不同，我們的數據管理部原來的生產職能非常重，不僅承擔著公司數據中臺建設和運營職責，也負責公司核心領域的數據開發和挖掘工作，具體分為三個組：

匯通保障組：負責大數據采集（含數據交換）、建模（基礎和融合模型）、運維及優化，可以看到，匯通保證組是以提升數據本身的效率為核心的。

平臺工具組：負責數據中臺工具建設及優化，數據開發及挖掘服務環境建設及優化，平臺工具組是以提升數據使用效能為核心的。

應用支撐組：為公司各個領域提供數據開發和挖掘服務。

但一旦升級為公司的數據管理部，就要新增公司級的數據治理職責，那原來的組織結構和職能就需要做相應調整，具體如下所示：

數據治理組：負責頂層設計、建章立制、流程管理、主數據管理、數據匯通等等。

數據服務組：負責數據中臺運營（含基礎和融合模型）和數據開放等等。

技術運營組：負責數據工具鏈建設和運維保障。

綜合協同組：負責綜合事務、外部協同、宣傳推廣、培訓競賽等等。

相對于以前的職責，有以下四個主要變化：

1、新增數據治理組，除了狹義數據治理的相關職能（比如組織、制度、流程等），還特意把數據匯通這個強調生產的工作放在了這個組，主要是考慮近1-2年數據治理的重點工作是加強源端信息架構管理和數據匯通能力，不僅希望這個組能為信息架構管理和數據匯通建章立制和優化流程，也能為數據匯通的過程和結果負責，也就是skin in the ?game，不太希望出現兩張皮的現象。

2、取消應用支撐組，也就是剝離應用支撐職責，一方面領域的應用支撐職責由領域的數據團隊自己負責效率更高，比如我們原來承擔B域的精確營銷職責按此原則移交給了其他團隊，另一方面當前數據治理非常缺人，需要新增人員，但短期內很難從外面補充，因此需要調整部分應用支撐的同事到數據治理組。

3、新增數據服務組，專注于數據中臺的建設和開放運營，希望打造以數據服務為核心的數據開放體系，這個組要為“3個1”目標的實現負責，同時承擔企業數據開放平臺的建設和運營工作，數據中臺和開放運營放在一起的目的是以開放促進數據中臺能力的沉淀，防止數據中臺自嗨。

4、新增綜合協同組，企業數據治理工作起來后，不僅要做好對外協調的工作，也要讓內部各個組之間溝通順暢，很多數據治理工作前期以協調為主，后期才會逐步進入生產階段，因此可以把前期的協調工作放在這個組，同時培訓推廣等文化工作也非常重要，因此獨立設置這個組。

企業級的數據治理組織讓數據管理者能有機會跟業務人員做到同一張麻將桌上打牌，可以在公司層面發出數據人員自己的聲音，這在以前不可想象，但數據治理組織畢竟是形式化的，組織能否真正成功，最終還是取決于三類關鍵角色的行動：

第一類角色是管理層，其是否相信數字化是公司的未來，是否對IT和數據有著某種執著，是否將數據治理納入了常態化的工作日程。

第二類角色是數據管理部，其是否愿意革自己的命，是否愿意放棄技術和應用的執著，是否能夠站在全局最優的角度去思考問題并推進問題的解決。

第三類角色是數據治理者，其是否能夠頂天立地，從碼農走向架構，從架構走向管理，從管理走向建章立制。