數字經濟時代，隨著大數據平臺和工業互聯網興起，數據正在沖擊著各個行業，并創造出了巨大的價值，如何更好地利用數據也已經成為企業數字化轉型的關鍵，越來越多的公司將數據作為公司的資產。面對龐大的數據資產，企業如何進行數據治理？2月16日晚，“這就是數字化”——數字化百家講堂第一季第23期課程中，某大型互聯網企業數據資產管理負責人李然輝從數據圖譜、數據成本治理、數據質量、數據治理自動化&智能化等多個角度分享了數據治理作為數據價值釋放的基礎對于企業的重要性和未來發展的趨勢。

什么是數據治理？

1. 發展演進歷史

數據治理當下有很多種說法，還未能實現一個統一的定義。具有代表性的有國際數據管理協會（DAMA）、國際數據治理研究所（DGI）、ISO和GBT，其中DAMA的定義最具權威性。李然輝先生認為數據治理是化解數據矛盾的方法，是一個方法論，其目的是化解數據矛盾。由于矛盾是普遍存在的，數據的世界也有很多的矛盾。市場是變幻莫測的，為了更加靈活應變，往往會造成數據質量的很多問題。化解這些矛盾就是數據治理存在的價值。

2.數據治理與數據管理

數據治理是確保數據被正確的管理，主要是規定做什么和誰來做，它的驗收標準是什么樣；數據管理是確保如何做，才能夠符合數據治理的標準。兩者職能從規劃、設計、管理、運營等方面截然不同。

數據治理與整個信息化發展的過程同步發展。從諾蘭模型可以看出，數據治理期與數據管理期都處于整個信息技術時代的后期，同時也與企業的信息化發展過程較為吻合。

2020年開始隨著數字化時代來臨，IT需要和戰略和業務結合管控去進行融合，由數據驅動業務，在這過程中，數據治理被提到了嶄新的高度，數據管理的演進也從無管理意識到被動的救火式，發展到主動的防范風險，最后能夠在一定程度上行使預測，便于提前進行治理，預防大于治療，當前已達到了比較高級的階段。

3.內容和外延

數據治理是數據管理的核心，數據管理與數據治理是包含關系，數據管理也是數據資產管理的基礎，在數據管理好的基礎上，可以把數據通過資產的角度進行額外管理。

數據治理包括數據戰略、組織、政策標準、項目管理、問題管理，它是指導著數據管理的一些具體的內容，數據管理要滿足數據治理的要求，還要從數據架構、數據建模、設計、數據存儲操作、數據安全屬于提升共享等等方面來進行管理。數據資產管理逐漸成為近年來的熱點話題，在此基礎上進行的數據資產盤點、數據資產目錄、數據成本管理、數據資產確權、數據資產價值評估、數據資產運營等都屬于數據資產管理的范疇，這些便是數據治理的內涵和外延。

4.數據治理現狀

數據已經成為企業最有價值的資產之一，企業正在努力管理數據。數據驅動可以為組織提供更好的客戶體驗、更好的決策、更多的創新和更有效的商業實踐，但許多組織仍然難以利用數據來獲得競爭優勢。當下，數據已經成為了一種生產要素，數據資產的概念也已經逐漸被接受，數據是有價值的，它能夠為提升客戶體驗做出更好的決策，更多的業務創新等方面均可以發揮它的價值。

同時，企業慢慢開始重視數據管理或者數據治理，但是并不是每一個企業都能夠管好數據，用好數據。因為還面臨著缺數據、學技術、學人才等等這些問題。

企業為何要做數據治理

1. 數據治理的價值

數據治理的價值可以包括四個方面，一是企業高效運營管理，通過數據的治理，能夠提供高質量的數據，更好的去進行管理決策，然后去發現商機，能夠降低 IT的建設成本和運維成本。

二是業務管理創新，有助于業務流程的改進，資源配置的優化，提高業務及管理能力。高質量的數據是商業智能的基礎，準確的分析數據有助于做出正確的業務及管理創新。

三是合規監管要求，SOX法案等促使企業把數據治理上升到公司治理的高度數據治理增強與政府法規和行業標準的一致性。

四是企業風險管理，風險控制的應用受制于信息資源的規模和質量，資產分類的準確性有助于減風險。

2.?數據治理的成果

識別創建數據邏輯關聯，形成數據知識圖譜；提供數據合規、應用標準化數據標準，提高數據質量；為數據資產價值化評估提供基礎依據。

數據圖譜相當于數據的知識圖譜，它解決了數據的可知和可信的問題。數據的來源，它的定義等等這些信息，可以通過圖譜全方位的學習了解，通過 AI技術與知識圖譜等技術，可以把每一個數據相關的信息和知識都沉淀在圖譜中，全方位了解數據的利弊，并在使用數據時，可以快速查找數據、明確數據信息、數據口徑、計算邏輯、血緣關系等，對數據準備和數據探查階段提供幫助。

在數據質量方面，通過在數據整個價值鏈的各個環節設置相應的監控，制定相關的規范，確保數據可信度，使數據質量得到保障。數據資產價值評估方面，只有可被評估才的數據才能稱之為資產，在這一世界性難題中，我國已經走在了世界的前列，并在企業內部進行了理論研究和實踐探索，對數據通過不同方法進行價值評估，實現對數據資產的科學評定，在此基礎上對數據資產的識別和區別的管理和運營也提供了良性指導。

數據治理的未來

數據資產的管理

數據資產管理包含數據治理、數據管理與數據服務，數據最終目的為對外提供服務，數據的服務化已成為趨勢，通過深加工把數據進行產品化、商品化、服務化后數據能夠發揮更大的價值

數據治理自動化&智能化

隨著數據數量越來越龐大，數據更多需要靠產品實現自動化治理，通過量化指標進行自動評定、自動識別問題，推動自動化的治理。也可通過AR技術，識別個人敏感信息、掛接數據資產目錄、將數據資產標簽化。

DataOps

DataOps是數據交付或開發的敏捷思想，現在的數據開發只是通過數據的接入、建模、做指標等環節實現，存在周期長且得不到保障的問題。而DataOps則可以解決這類問題，并在這一基礎上進行探索。

Data Fabric

Data Fabric是在探索階段的一個節點，數據的使用人員可以隨時找到相應的數據，數據質量也可以得到保障。它的價值凸顯急需數據治理的支持，一方面需要活躍的數據市場釋放價值，另一方面需要數據治理保障數據質量和數據資產安全。

數據治理已死？

數據治理在組織中易產生難以推進的鴻溝，但當數據治理發展到一定階段的之后，會形成數據治理文化，納入行業法規制度，形成社會共治基礎，即人人都是數據治理專員，并各司其職。這也需要在企業內部進行數據的責任劃分和相關培訓以及規范、制度、績效等方面的配合。

數據治理的作用

在社會層面，通過數據治理，能夠將市場的資源實現最優化的配置，結合相關法律法規和技術手段讓數據流通更加便利。

在企業層面，可在企業數字化轉型、商業洞察、降本增效、提高客戶滿意度、降低風險等方面發揮更大價值。