數據治理即對數據資產管理行使權力、控制和共享決策（規劃、監測和執行）的系列活動。

這個概念挺抽象，它既不是你每天干的數據采集、處理、建模、運維等生產工作，也不是數據質量管理、元數據管理，主數據管理等保障型工作，事實上，數據從業者95%的工作都跟數據治理本身沒關系，但每時每刻都會受到數據治理活動的影響。

剛接觸數據治理的時候，我對要干什么也挺茫然的，經過2年的實踐，我終于知道DAMA的數據治理到底在講點啥了，這里就把自己的經歷提煉成九個方面的內容，姑且就叫作“獨孤九劍”吧。

「總決式」- 研判形勢，決定數據治理時機

「破劍式」- 保駕護航，建立運營組織框架

「破刀式」- 建章立制，確保達成企業共識

「破槍式」- 對齊業務，解決核心業務問題

「破鞭式」- 推動項目，確保數據變革成功

「破索式」- 制定標準，規范數據管理行為

「破掌式」- 問題管理，推進跨域問題解決

「破箭式」- 監督控制，保證持續執行到位

「破氣式」- 評估合規，確保法規合理執行

1、研判形勢，決定數據治理時機

要不要做數據治理，大多取決于公司管理層，特別是一把手的形勢判斷，包括數據要素的價值、國家的政策、行業的要求、上級單位的精神、公司的業務戰略、當前業務上的痛點及業界的最佳實踐。

但要把這個事情啟動起來，一般還是要讓公司的數據部門來進行專門研究，評估到底能不能做，以下是我當初接到任務的情形：

“2021年公司數字化轉型的步伐加快，這天部門BOSS找到我，希望研究下華為的數據治理之道，然后跟大老板匯報下我們的思路，當時我就在想，也許公司認為做企業數據治理的時機到了，畢竟數據是數字化轉型的基礎。然后我們閉門了一個月，出了一份研究報告，老板聽了匯報后，覺得還是靠譜的，因此決定啟動這個事情。”

我們的報告對公司數據管理現狀、成熟度、與業界的差距及大致的改進方向做了一個初步研究，然后提交給總經理務虛會討論，以下是差距分析的示例：

“數據是數字化的基礎，隨著公司數字化轉型的加快，對于數據要素高效融通配置，釋放數據生產資料更大價值提出了更高要求，雖然公司已經完成了企業級大數據平臺的建設，初步實現了三域數據的匯通，但當前企業級的數據治理體系還未建立，在公司數字化運營中逐步暴露出了數據盤點不足（比如O域流程管理數據還缺乏體系化盤點）、數據質量不高（比如資管中農村的寬帶資源點位置信息失真，抽樣準確度XX%）、數據匯通不暢（比如流程攻堅中政企投訴處理工單數據的采集耗時2個月）、數據開放不夠（比如詳單，位置等涉敏數據由于安全管控要求還無法向一線開放）等問題，迫切需要完善公司的企業級數據治理體系，從而為公司的數字化轉型保駕護航”

這是數據治理必經的階段，老板提出設想，數據團隊論證，否則企業數據治理無法真正開始。

2、保駕護航，建立運營組織框架

職能型組織的弊端就是業務條線分割導致的全局利益受損，而數據能打穿業務的壁壘，但大多企業的數據團隊比較弱勢，需要數據治理組織的保障，否則很難拉通數據。

企業數據治理組織一般包括立法職能（定義策略、標準和企業架構）、司法職能（問題管理和升級）和執行職能（保護和服務、管理責任）。

下面是我們組織的示例，采用的是聯邦式的數據治理組織形式，通過總經理辦公會決策通過后下發執行：

“數據治理委員會負責公司數據治理體系的頂層設計，下設數據治理辦公室，定期召開跨部門聯席會議，統籌推進數據治理各項工作；同時建立數據責任人制度，明確公司數據責任人和領域數據責任人的職責，企業數據責任人與各領域數據責任人協同，以維護一致的定義和標準”

3、建章立制，確保達成企業共識

理論上數據治理要明確愿景、目標、原則及制度，但實際上在數據治理起步的時候，往往只能明確一些原則，能建立的制度也非常有限，這是一個螺旋上升的過程。

下面是華為公司的數據治理的愿景和目標：

“愿景：實現業務感知、互聯、智能和ROADS體驗，支撐華為數字化轉型“

“目標：清潔、透明、智慧數據，使能卓越運營和有效增長”

我們沒有明確提出過愿景和目標，但我覺得老大說得這些話可以作為目標：

“目標：實現數據從產生、處理到消費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”

數據治理原則有助于企業凝聚共識，從而減輕潛在的阻力，下面示例了我們的部分原則：

“原則1：數據是公司的戰略資產，不是部門私有資產”

“原則2：建立企業級信息架構，統一數據語言”

“原則3：依據集團公司“三同步”原則，統一確定數據管控要求，公司所有項目均須遵從，對于不遵從管控要求的項目，擁有一票否決權”

“原則4：各領域數據責任人承擔信息架構、數據匯通和數據質量的三大責任”

“原則6：數據應在滿足必要的信息安全的前提下充分共享并明確服務承諾，數據產生部門不得拒絕或延緩跨領域的的數據匯通需求”

本來我以為原則是很虛的東西，后來發現不是這樣，自己就曾經受到過業務部門的“暴擊”：

“有次公司業務部門A要做個可視化應用，本來是安排我們的數據團隊做，后來發現做得一般，就要求把數據開放給B部門的團隊做，然后我們的數據團隊就不樂意了，說憑什么把我們加工的數據開放給B部門，后來業務部門A直接把原則6的內容發給我，......我們沒有不遵守的理由。”

關于制度，我覺得沒有沖突的制度沒必要寫，寫了沒法保障執行的制度也沒必要發。迄今為止，我們在數據管理制度方面只制定過一部《數據對內開放管理辦法》，跟公司各個部門拉扯了大半年，最近才算基本定稿。

這個辦法還附帶了流程和操作細則，可以直接落地，我給大家看一下這個辦法的框架和示例，它是公司各部門智慧的結晶，也是妥協的產物。

“圍繞“131”數據開放框架制定對內數據開放管理辦法，確定了數據開放各部門職責分工，規范了數據目錄管理、訂閱管理、平臺管理三大管理活動，明確了數據開放服務承諾與監督保障要求，為公司內部數據高效融合融通奠定了堅實的基礎”

4、對齊業務，解決核心業務問題

數據治理需要提出具體的業務目標，要能解決具體的業務問題，這個痛點不應該是IT部門的，也不是某個業務部門的，而應是全公司的，即帶有跨領域跨部門的特點，只有管理層感到痛的業務問題才值得去做。

比如華為公司為了解決財務風險問題啟動了數據治理項目，決定了這個數據治理項目能帶來明確的財務收益。

我們的數據治理目標大多來自于公司管理層的要求，初期設置的業務目標大概有10多項，以下是舉例：

推動A數據在網絡和市場的定義一致性，使得前端市場的需求能夠有效傳遞到后端網絡，提升投資規劃決策的科學性；

推動B領域數據采集的統一歸口管理，提升B領域數據采集的時效性，助力B領域各類業務數據的高效分析；

打破C領域數據對各部門開放的壁壘，降低匯聚周期，進一步提升各部門跨域融合數據的分析能力；

匯聚D業務涉及的核心線下商業數據，助力D業務的精確營銷；

構建完整的企業數據字典，嵌入到生產流程，助力自助生態能力的提升；

數據治理很容易做成“打造一個所謂的數據治理體系框架，建立了一堆組織，下發了一堆的規范標準.......” ? 以下這些都不是數據治理的目標：

成立企業數據治理委員會，下設數據治理辦公室，明確各部門數據責任人.....；

發布元數據管理辦法、數據質量管理辦法，數據共享管理辦法......;

打造企業數據目錄，構建數據開發平臺......;

重構數據開放流程，優化數據匯聚流程......;

如果公司提不出明確的業務目標，熱衷于去建立一個數據治理體系框架，就有點舍本逐末，所以產生這種問題，一般有三個原因：

（1）公司對數據要素的高效配置能力理解不夠深

（2）公司對數據驅動業務的現狀和問題理解不夠透

（3）狹隘的部門視角或者站位太低

數據治理是一把手工程，對老板是一種挑戰，《華為數據之道》現在很多老板在看，這是有必要的。

5、推動項目，確保數據變革成功

數據團隊每年會有不少數據項目，比如元數據、數據平臺、數據采集、數據開放、主數據等等，其中一些跨領域的特性很突出，只有依托企業數據治理組織的統籌推進才能解決協同的問題，包括管理層的匯報、利益方的支持、項目的培訓及常態化的溝通。

我這里給出兩個跨領域項目的對比，高下立見：

“我們8年前建設大數據平臺，項目做這做著就變成了純粹的換計算和存儲引擎，至于如何更好的歸集各部門的數據無人關注，因為協調不動其他部門的更多配合，項目建設后數據資產沒有得到明顯增加，業務的獲得感很弱，大數據是大忽悠不是空穴來風”

“今年我們啟動了地址主數據項目的建設，需要對市場、政企、網絡、規劃和工程等五個部門的13個業務流程進行調整，涉及CRM、資管、精銷平臺、大數據平臺等10個系統的改造，橫款了BOM三域，難度遠超8年前的大數據平臺，但依托于企業數據治理組織的統籌推進，大家還是愿意配合去完成大量改造，這在2年前是不可想象的，當然其中的爭論很多，討論不下百次，但目標始終不變“

6、制定標準，規范數據管理行為

在跨部門項目的推進過程中，在上下游流程和系統的對接中，必然會涉及到語義和數據一致性的問題，如果統一了標準，不僅可以簡化流程，還可以降低協作的溝通成本。數據治理組織需要代表公司牽頭立法，包括組織標準編寫、評審及提交數據治理委員會批準。

數據標準滲透在每一類數據管理活動中，無論是數據架構，數據建模、數據存儲和操作、數據安全、主數據和參考數據、元數據、數據質量等等，但我們沒必要為每一類活動都去制定標準，這個取決于業務需要和管理成本的大小，因為制定和執行標準是有代價的。

比如領域一定要建立數據字典標準嗎？不一定，領域內部能溝通清楚的就沒必要建，但如果要面向企業打造一本數據字典，那么標準就有必要建立，否則其他領域看不懂。現在數據標準工作得到越來越多的重視，那是因為數字化時代數據要素共享和開放成為了趨勢，數據倉庫那個時代，少有人提標準這個事情。

我們在建設地址主數據項目中，定義了地址數據的“13+N”的標準，如下所示，這是跨領域協同必需的：

““13”指的是從省、市到戶號共13個層級；“N”指的是地址類型、標志物別名、經緯度、興趣點名稱、興趣點行業類型、描述信息6個附加信息。”

7、問題管理，推進跨域問題解決

數據治理組織既然可以建立標準，即擁有數據領域的立法權利，相應的也需要有司法的權利，即進行問題管理，問題管理包括且不限于授權、合規性、標準沖突、一致性、數據安全、數據質量等等。

雖然大多問題在數據管理團隊內部就能解決，但公司有10-20%的跨領域數據問題是無法自行解決的，但又是極其重要的，這些無法解決的問題容易被隱瞞，被忽視，深埋于地下，比如供應鏈的物資編碼問題、統計報表的口徑問題、嚴重的數據質量問題、數據快捷開放問題等等。

數據治理需要建立問題升級機制和流程，能將問題升級到更高的管理機構，比如數據治理委員會，數據治理團隊通過問題識別和記錄、組織討論、確認方案及向上升級，促進問題閉環的形成。

我們通過建立跨部門聯席會議和常態化溝通協作兩大機制來推進問題解決，數據問題能被放到一張圓桌上進行討論，這其實就是巨大的成功：

“一是依托數據治理辦公室，建立了定期的跨部門聯席會議制度來識別和收集問題：一種是管理層提出問題，要求我們協同各部門數據責任人推進解決，這種問題往往是需要跨部門聯動的，比如企業級數據目錄的構建、主數據的建設、數據開放管理辦法的制定、平臺工具的集約化建設等等。另一種是業務部門的數據責任人提出的需要數據治理辦公室協調解決的問題，比如寬帶長流程問題的解決，外部業務數據的歸口采集，全流程效能分分析支持等等。”

“二是建立常態化溝通協作機制，高質量落實聯席會議工作要求，包括培訓輔導、溝通協調、跟蹤通報等手段來推進問題閉環管理。”

8、監督控制，保證持續執行到位

數據管理的制度、規范和標準是紙面上的，往往是篇章式、片段的、模糊的，必需將其嵌入到數據管理相關生產流程中才能有效發揮作用。

當然數據治理不要去額外新增管理流程，而是要把要求疊加在原有業務流程之上，這會對業務帶來影響，業務部門只有接受數據治理的監管才能確保執行到位。

比如地址主數據有“13+N”的數據錄入標準，前端人員需要按照結構化的要求去錄入數據，這改變了前端業務人員的操作習慣。

數據治理在帶來全局收益的時候，可能會讓局部業務領域付出代價，因此，數據治理組織在制定規范標準的時候，一方面要協同相關業務部門充分權衡利弊，另一方面，也需要善于利用技術手段去破解規范性和靈活性的結構性矛盾。

比如地址主數據有13+N”的錄入標準碰到了業務方的強烈反對，因為影響業務受理效率，我們后來采取了分角色的管理策略，針對后端業務流程的錄入，嚴格按照規范標準錄入，對于前端業務流程的錄入，仍然沿用舊的方式，但會給出一個AI的算法做初步的格式化，再結合人工糾正的方式來解決。

相對于以前數據團隊做數據治理只是局限在數據倉庫領域，并且采取事后監督的方式去做管控，現在我們的數據治理終于能直接介入業務系統，從源端解決問題，同時采取事前事中的方式進行實時控制，并且能基于業務流程數據進行分析評估，這是跨越式的進步。

9、評估合規，確保法規合理執行

數據治理要求以業務為導向，這個業務不能簡單的理解成創造收入的業務，降低成本的業務，還應包括合規性的業務、滿意度的業務等等，比如一旦不合規，短期就可能給公司帶來收入影響。

數據治理組織一方面要去深刻的理解各類數據法規，配合公司法律、安全部門對涉及數據監管要求或審計承諾的作出響應，比如證明數據質量合格，另一方面，也要去破除那種阻礙業務正常開展的、過時的、不合理的、但又既成事實的規定。

公司涉及數據的業務流程還存在著大量的冗余的，不合理的環節和規則，但大家已經習以為常，數據治理組織需要去分析流程的堵點和卡點，推進流程的優化，從這個角度看，數據治理干的已經是數字化轉型的工作了。

比如我們在分析數據匯聚流程中發現，A部門基于條線需要設置了一些規定，導致審批環節超過11個，但這種部門流程已經不適合企業級數據的匯聚要求，因此將其精簡到了4個。

又比如在數據對內開放流程中，以前各類數據的審批都遵循同樣的流程，導致數據開放時間很長，后來通過對數據進行敏感分級并制定不同的開放策略，實現了90%以上的數據在一小時就可以開放，如下圖所示：

近幾年國家一方面下發了“三法一條例”來規范數據的使用，另一方面也在推動數據要素流動數據基礎制度的建立，公司數據治理組織也要與時俱進。

獨孤九劍，基本上涵蓋了DAMA數據治理活動的大部，其實數據治理重在“治理”兩字，要求跳出“數據”找出路，自己以前搞錯了重點，陷在“數據”里不可自拔。