數據作為數字經濟時代新型生產要素，是企業的重要資產，也是賦能企業數字化轉型的基石。在向著數字化快速邁進的同時，當前企業數據治理都面臨著各種挑戰和不足。企業越大，需要和產生的數據也就越多，數據越多，意味著就越需要定制適合自己企業的有效的、正式的數據質量策略。

對企業而言，不同的行業、不同的業務特點，不同的信息化水平也預示著數據治理過程中存在的挑戰不盡相同。但是，企業數據治理普遍存在的問題和挑戰主要有以下6個方面：

01 對數據治理的業務價值認識不足

“數據為什么重要？”，“數據治理到底能解決什么問題？”，“數據治理能實現哪些價值？”這是困擾企業數據治理經常被企業領導和業務部門質疑的三大問題。由于傳統數據治理是以技術為導向，注重底層數據的標準和操作過程的規范。盡管以技術驅動的數據治理也能夠顯示數據的缺陷，提升數據的質量，但是管理層和業務人員似乎對此并不滿足。由于傳統以技術驅動的數據治理模式沒有從解決業務的實際問題出發，導致企業對數據治理的業務價值認識普遍不足。為了快速實現數據價值和成效，最直接的方式就是以業務價值為導向，從企業實際面臨的數據應用需求和數據痛點需求出發，以解滿足管理層和業務部門的數據需求以實現數據的業務價值、解決具體的數據痛點和難點為驅動來推動治理工作。正如前文描述，企業數據治理的業務價值主要體現在：降低成本、提升效率、提高質量、控制風險、增強安全、改善決策。不同企業所面對的業務需求、數據問題是不同的，企業數據治理的業務價值也不是要以上六個方面都要面面俱到（也或許還有不足）。

企業應該從管理和業務的痛點需求出發，將數據治理的業務價值量化，以增強企業管理層和業務人員對數據治理的認知和信心。關于數據造成的業務痛點，理解痛點的最好方法是詢問和觀察。數據治理的管理必須著重于業務需求，并且經常需要著重于解決讓業務人員感覺到的某種程度的痛苦或他們無法解決的問題。

02 缺乏企業級數據治理的頂層設計

當前企業普遍都認識到了數據的重要性，很多企業也開始探索數據治理。我們看到，目前企業大量的數據治理活動都是項目級、部門級的，缺乏企業級數據治理的頂層設計、以及數據治理工作和資源的統籌協調。數據治理涉及到業務的梳理、標準的制定、業務流程的優化、數據的監控、數據的集成和融合等工作，復雜度高、探索性強，缺乏頂層設計的指導，在治理過程中出現偏離或失誤的概率較大，如不能及時糾正，其性影響將難以估計。數據治理的頂層設計屬于戰略層面的策略，它關注整體性、全局性、體系性。數據治理頂層設計注重全局性，數據治理站在全局視角進行設計，突破單一項目型治理的局限，促進企業主價值鏈的各業務環節的協同，自上而下的統籌規劃，以點帶面的的實施推進。數據治理頂層設計注重的體系性，從組織部門、崗位設置（用戶權限）、流程優化、管理方法、技術工具，構建企業數據治理的組織體系、管理體系和技術體系。企業數據治理的頂層設計應站在企業戰略的高度，以全局視角對所涉及到的各方面、各層次、各要素進行統籌考慮，協調各種資源和關系，確定數據治理目標并為其制定正確的策略、路徑。頂層設計主要是抓牽一發而動全身的關鍵問題，抓長期以來導致各種矛盾的核心問題，抓嚴重影響企業信息化健康穩定發展的重大問題。唯有如此，才能綱舉目張，為解決其他問題鋪平道路。

03 高層領導對數據治理重視程度

數據治理是企業戰略層的策略，而企業高層領導是戰略制定的直接參與者，也是戰略落實的執行者。數據治理的成功實施不是一個人或一個部門就能完成的，需要企業各級領導，各業務部門核心人員，信息技術骨干的共同關注和通力合作，高層領導無疑是數據治理項目實施的核心干系人。企業高層領導對數據治理的支持不僅在于財務資金方面的支持（當然這是必須的），對數據戰略的細化和實施充分授權、所能提供的資源是決定數據治理成敗的關鍵因素。企業數據治理一般都需要成立專門的組織機構，例如：數據治理委員會，盡管很多企業的數據治理委員會是以一個虛擬組織。但是這個組織必須安排一名“德高望重”的高管進行支持，我們姑且可以給這個崗位命名為“首席數據官（CDO）”。數據治理委員會由CDO、關鍵業務人員、財務負責人、數據科學家、數據分析師、IT技術人員等角色組成，負責制定企業數據治理目標、方法和一致的溝通策略和計劃。數據治理項目實施中，CDO不僅需要負責對數據的定義，數據標準，治理策略，過程控制，體系結構，工具和技術等數據治理工作的統籌，還需要關注如何為業務增加價值以及是否獲得關鍵業務負責人的支持。CDO經常關注數據的業務價值，并利用數據科學家，分析師和管理人員的更多技術技能，向首席執行官（CEO）報告以獲得持續的資金、政策和資源支持。

04 數據標準不統一，數據整合困難

一是企業內部數據標準的不統一。我國各行業的企業信息化水平不均衡，數據缺乏行業層面的標準和規范定義。在信息化早期信息系統的建設是由業務部門驅動的，缺乏統一的規劃，形成一個個信息孤島。而隨著大數據的發展，企業數據呈現出了多樣化、多源化的發展趨勢，企業必須將不同來源，不同形式的數據集成整合到一起，才能合理有效的利用，以充分發揮出數據的價值。但是由于缺乏統一數據標準定義，讓數據集成、融合困難重重。

二是企業之間的數據標準不統一。各行業、各企業之間都傾向于依照自己的標準采集、存儲和處理數據，雖然在一定程度上起到了包含商業秘密的作用，但阻礙了企業之間（尤其是位于同一產業鏈上的上下游企業）的協同發展，不利于企業“走出去”加強企業間的交流和合作。

05?普遍認為數據治理是IT的事

在很多企業中，普遍認為數據治理是IT部門的事，而業務人員只是數據的用戶，有很多業務人員對數據治理都是“事不關己高高掛起”的態度。但我要清楚地表明這個想法是錯誤的，IT部門對數據應負有很大責任，但是不包括數據的定義，數據的輸入和數據的使用。數據的定義、業務規則、數據輸入及控制、數據的使用都是業務人員的職責，而這恰恰都是數據治理的關鍵要素。大多數業務部門對IT部門的感情是復雜而矛盾的，一方面感覺到IT越來越重要，業務的發展離不開IT部門的支持；但另一方面卻是對IT部門不是很了解，因為大多數時候業務部門對IT存在的價值還心存疑慮。數據質量問題到底應該由誰來負責？這也是IT部門和業務人員經?；ハ嗤普喌膯栴}。難道IT和業務真的是兩個不可調和的矛盾體嗎？事實上，并非如此。離開業務的IT并不會產生價值，而離開的IT的業務卻失去了數字化時代的競爭力。因此，數字化時代，IT和技術更應當緊密的融合在一起，朝著共同的目標努力！有效數據治理策略是實現數據驅動業務，業務融入IT的重要舉措，這些舉措包括：數據治理的規劃應與業務需求相匹配，數據治理的目標圍繞業務目標的實現而展開。建立數據治理委員會，將業務人員與IT人員融入相同組織，為了一致的目標而努力，榮辱與共！業務人員與IT部門一起進行數據標準的定義，規范數據的質量以及合理的使用數據。在企業數字化轉型過程中，IT即業務，IT即管理，業務人員目標如果是“在正確的時間正確的地點獲得正確的數據，來達到服務客戶，做出決策，制定計劃的目的”，而IT的目標就是“在正確的時間正確的地點將正確的數據送達給業務”成為對業務部門的可靠的供應者。

06 缺乏數據治理組織和專業的人才

數據治理實施的重要一個步驟是建立數據治理的組織并選拔合適的人才，這看起來容易，但真正執行起來卻存在很大的挑戰。成立實體的數據治理組織還是建立一個虛擬的組織？人員安排是專職崗位和是人員兼職？到底哪種性質的組織和崗位設置好，這是會經常被企業管理層問及的問題。我的通?；卮鹗牵?strong>根據企業的組織、管理現狀而定，沒有最好的組織模型，只有更合適企業的組織模式。

數據治理需要一種開放的企業文化。實施組織變更，就意味著崗位和權責的分配。結果，數據治理成為一個政治問題，因為這最終意味著分配、授予和撤消責任與權力。如果只是形式上的組織設置，沒有從行政、人力上解決權責分配的問題，就無法產生團隊的凝聚力，從而影響數據治理的效果。例如：某集團為主數據治理成立了數據標準管理委員會的虛擬組織，該組織4名人員是從集團下屬的4家公司抽調來的，兼職負責集團主數據的審批工作。但實際執行過程中，4位主數據審核人員達成了默契各自審核自家單位的數據，導致集團層面的主數據管控模式成了一個擺設。不久之后，集團層面數據的重復、不完整、不準確等問題又暴露無遺了。

寫在最后的話到底，筆者認為：數據管理問題是一個“意識”的問題。首先，企業應意識到數據是企業的一項重要資產，對數據管理的重視應上升到戰略的高度上去認識和重視才行。其次，企業應意識到數據管理不是某一個部門的事，需要企業全員參與。全面進行數據管理或數據治理，離不開各級領導的重視和支持，只有領導重視，才是做好數據管理和深入分析的關鍵。同時，企業所有人員，都應該把好各自工作環節的數據管理，不制造垃圾數據、錯誤數據，發現問題及時解決，追根求源，爭取將錯誤數據、垃圾數據剔除干凈，確保數據的正確完整。第三，企業應意識到信息技術只是實現手段，而業務規范才是提升數據質量的根本。數據管理不僅涉及信息化技術的選擇和應用，同時還涉及到企業業務流程的規范和統一，并且直接影響企業數據質量的好壞，從而影響業務的效率和決策的水平。

最后，企業應意識到數據管理要抓好，還應健全數據管理的保障體制。建立數據管理的組織體系，明確崗位分工和工作職責，制定數據管理辦法，啟用完善的數據管理流程，做好數據管理運營策略和運維保障，只有科學的管理，才能保證數據的準確、完整。