編者按：數據的重要性已無需贅述，為了管好和用好數據，數據治理工作的價值日益凸顯，而數據治理是企業整體層面的一項工作，需要各單位協作，而在開始數據治理之前，企業中大部分成員對數據治理的了解往往是比較少的，所以在正式啟動數據治理時的宣貫以及后續多次的培訓就非常重要了。本文來自于一份在數據治理啟動之初面向企業全員特別是管理層的宣貫材料（節選），讓此前沒有接觸過數據治理的大家對數據治理有個初步印象，初步明晰大致的工作方向和內容。在以往的企業信息化建設中，常規主要是按功能維度開展建設的，比如需要財務管理就建設財務相關系統、需要人力管理就建設人力資源系統、……，在早期確實也導致了煙囪式的情況，在一定意義上這是信息化發展過程必經的一個階段。

后來隨著業務和技術的發展，企業越來越意識到系統集成應用的重要性，即多系統的功能集成和異構數據交互，所以后一階段信息化建設集成應用的重點早已不是打通煙囪，而是更加關注業務和數據的更佳運行。

經過上述建設階段，在功能方面基本上是可以滿足需求的，而隨著系統的建設，也沉淀了大量的數據，當希望整合數據開展一些工作時，可能就會發現在此前的建設中往往缺乏數據維度的視角，完全按功能維度的系統建設在數據方面存在不足，直觀感受就是數據不準確、不夠用、不好用。

比如，數據質量低導致的計算結果錯誤，取數邏輯有誤導致報表數據不準確；再比如希望統計某些數據時發現相關數據根本就沒有，即便有某類數據但缺少分析需要的關鍵內容；還比如數據倉庫中數據很多，但很難找到需要的數據，好不容易找到了卻發現數據更新不及時導致的時效性低而不可用，等等，各種各樣的數據問題數不勝數，……，企業中的每個人或許都深受困擾。

隨著數據問題的凸顯，更因為對數據價值的期望越來越高，大家發現，無論是數字化轉型，還是信息化；無論是數據價值化，還只是數據標準化；無論是希望把BI用好，還是想要的只是報表數據準確和豐富，……，把數據管好都是基礎。

而數據治理正是解決數據問題的關鍵方法之一。

數據治理常規有兩個層面的效果，第一個層面是通過治理，讓集成應用下的系統更好用，比如數據標準化做的好，數據定義清晰（其實也是業務邏輯清晰），管控有效，那么各個系統產生的數據質量會更高；再比如跨系統跨組織的應用，諸如對客商、項目、人員和組織等共享數據的有效管理（主數據管理），可以保障多系統多組織之間的數據規范、一致，無歧義的數據才能保障其承載的業務邏輯的準確，等等。

第二個層面是通過數據治理，數據才能夠被更好的查詢、分析和價值挖掘，現在隨著市場、業務和企業自身的快速發展與變化，對數據的查詢分析往往是跨功能、跨系統、跨業務、跨領域的，對業務相關性、多維度、超深度、前瞻性的數據分析要求越來越高，面對種類繁雜的海量數據，如果不做相應的管理，就像把幾大盒上萬塊的小顆粒拼圖混在一起，希望拼出完整圖案是極其困難的。

數據治理，宏觀上，以終為始統攬全局，即希望后來查什么樣的數據，那么就把數據放到前邊應用系統相應的業務邏輯中（或者實質就是應該讓數據完整體現業務，按企業架構的業務架構、數據架構、應用架構、技術架構去做），希望觀察業務的360全角度視圖那么就要有全局的數據視角（而非過去單個系統和單一業務的視角），并以此全局視角指導系統建設；微觀上，要把每個數據說的清清楚楚（元數據），含義、關系、類型、權限、存儲方式、校驗規則等等，并且建立數據目錄，可以按圖索驥的找到所需數據。

通過有效的數據治理，企業將擁有豐富的、高質量的數據，通過數據可以知道需要知道的和希望知道的一切，通過數據企業變得一覽無余，讓企業管理者能夠成為企業洞察者。

2020年4月9日，《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》頒布，數據與土地、勞動力、資本、技術等傳統要素一樣，被列為新型生產要素，開辟了數字資產的新時代。那么企業數據的資產化，將直接體現出數據的價值（包括貨幣價值），而基于數字化的業務轉型，即數字化轉型將產生新的業務，新的業務模式或將造就新的企業，新的企業將帶動新的產業。那么通過數據賦能，企業洞察力將升級為產業洞察力，企業管理者進而可以成為產業洞察者，看清楚自己，看清楚產業，企業的管理和經營將更準確。

數字經濟時代，在企業發展的內外要求下，企業不僅有自發的數據治理動力，對國有企業來說，數據治理也是工作要求。國務院國資委辦公廳在2020年8月21日下發的《關于加快推進國有企業數字化轉型工作的通知》中也明確指出數據基礎是數字化轉型的四個基礎之一，要求加快集團數據治理體系建設，“明確數據治理歸口管理部門，加強數據標準化、元數據和主數據管理工作，定期評估數據治理能力成熟度。加強生產現場、服務過程等數據動態采集，建立覆蓋全業務鏈條的數據采集、傳輸和匯聚體系。加快大數據平臺建設，創新數據融合分析與共享交換機制。強化業務場景數據建模，深入挖掘數據價值，提升數據洞察能力?！?

數據治理很重要，那么究竟什么是數據治理呢？國際數據管理協會DAMA在其數據管理知識體系DAMA-DMBOK2中的定義是：數據治理（Data Governance，DG）是在管理數據資產的過程中行使權力和管控，包括計劃、監控和實施。

數據治理與管理的關系是“數據治理的職能是指導其他數據管理領域的活動，其目的是確保根據數據管理制度和最佳實踐正確的管理數據。而數據管理的整體驅動力是確保組織可以從其數據中獲得價值，數據治理聚焦于如何制定有關數據的決策，以及人員和流程在數據方面的行為方式”。

數據治理具體包括哪些方面呢？在DAMA-DMBOK2中，在數據治理的統領下，主要包括了10個領域。

其中每個領域下都包括有非常多、非常深的內容，如果覺得數據治理比較復雜，這個感覺是準確的，數據治理確實是非常復雜和非常專業的事，需要有專職和專業的團隊，參考諸如DAMA2、ISO38505-1、DGI（國際數據治理研究所）、DCMM（GB36073-2018數據管理能力成熟度評估模型）等數據治理框架、模型、方法論，利用專業的工具和系統開展工作。需要特別說明的一點是，數據及相關方法和技術僅僅是數據治理工作的一個方面，更為重要的是業務和管理，數據治理一定是與企業的業務和管理密切相關的，與信息化建設等項目類似，都是業務和技術高度融合的工作。

談到數據治理相關的信息系統，其實以往也有很多，比如ETL工具（數據的抽取、轉換、加載）、數據倉庫、主數據管理系統、元數據管理系統、數據資產目錄管理系統、數據標準管理系統、……。而現階段熱度較高的是近些年出現的數據中臺，數據中臺的概念和功能也一直在發展，目前較為典型的數據中臺常規上整合了數據治理所需的主要功能，如下圖是中國電子系統技術有限公司的數據中臺產品。用戶可根據業務和數據規模等情況酌情選擇所需的各種數據治理系統。

如上極其簡要的介紹了數據治理是什么，并且也有方法和工具，那么數據治理做起來容易嗎？一般情況下，非常不容易。以去年行業內較熱的一本書《華為數據之道》的內容舉例，對華為這樣卓越的企業，數據治理從啟動到如今的常態化，也經歷了十余年的時間，投入也是非常非常大的。

那么再以集團型企業開展數據治理工作為例，會遇到哪些困難呢？比如：成員企業數量多類型多、業態多和業務類型繁雜、成員企業發展情況不一樣、信息化水平參差不齊、大量異構系統和信息孤島、成員企業數據治理程度不同、數據標準不統一、海量數據、數據類型多質量差，以及會不斷出現的新形勢、新業務、新課題、……。

怎樣應對這些困難呢？了解現狀、建設專業團隊和專業系統、建立標準、分析問題尋求對策、全集團同心協力、借助外部專業能力、自上而下賦能、自下而上匯聚成果、數據一體化實現的集團一體化、……。數據治理的工作，啟動后就要一直持續下去，中間要克服很多很多困難，我有時舉例說，數據治理就像是 跨欄式馬拉松。

綜上所述，在數字化轉型趨勢下，必須要獲得數據價值，而如果希望獲得數據的價值，那么就需要做數據治理，數據治理有方法有工具，啟動后，建組織（人）、真投入（資金），突破起步時較大的困難，一旦初步有了成效，形成數據文化，在數據慣性下，源源不斷的數據就會產生源源不斷的價值。?