全文共計3287字，預計閱讀時間6分鐘
來源 數據觀（轉載請註明來源）
作者| 王剛
編輯 | 蒲蒲
儘管數據還沒有被列入企業的資產負債表，但這只是一個時間問題。
——維克托·邁爾-舍恩伯格
數據治理：數據價值的釋放之匙
據戴爾易安信最新調查顯示：全球大多數企業現已認識到數據的價值，受管理的平均數據量從2016年的1.45PB增加至2018年的9.70PB。全球範圍內，92%的受訪者都看到了數據的潛在價值，36%的受訪者當前正將數據轉化為經濟效益。
隨著數據價值的日益突顯，越來越多的企業開始進行數字戰略轉型，有的通過數據平臺過渡到數據中臺，有的直接建設數據中臺。
所謂“無規矩不成方圓”，因歷史原因企業在發展過程中已經形成了系統林立的情況，彙集到數據平臺的數據都各具特色，缺乏標準、規範、治理的數據已經失去了使用的價值。為了規範數據處理過程，凸顯數據業務價值，需對數據平臺的數據進行綜合管理，構建標準化、流程化、自動化、一體化的數據治理體系，確保數據架構規劃合理、數據加工條理清晰、數據處理可管控、數據知識可傳承。
有效的數據治理可以確保企業數據全面一致可信，從而全面釋放數據資產的價值。
數據治理之困
只有確保數據的標準化、規範化、可信可用，才能進一步通過數據運營、數據應用幫助企業實現數據資產管理、發現內部數據問題、發掘數據價值，進而實現企業數據資產的盤活和有效利用。數據治理應該採用最簡單的手段管理最有價值的數據，但在實際情況中，我們遇到過在很多數據治理開展過程中，常見的“兩不三難”的情況：
1）後向型治理，不一致： 因歷史原因，很多企業採用“先建後治”的方式，通過手工填報、反向解析代碼、腳本等的方式進行元數據探查、血緣探查、數據質量管理，事後才能發現問題，容易造成管理的內容和生產內容的不一致。
2）被動型治理，不高效：當發現質量問題時建設質量平臺、需要數據字典的時候建設元數據管理平臺，將原本完整的治理體系割裂為多個系統、多個平臺，造成系統集成難度高、治理效果差。
3）誤區型治理，難聚焦：隨著中臺的建設腳本和任務越來越多，本來管理數據變為了管理程序；數據治理的本質是管理數據，走入誤區變成管理程序、腳本、任務，造成了管理失焦。
4）項目型治理，難延續：數據治理的最終目標是提升數據價值，是一個持續漫長的運營過程，需要逐步完善、分步迭代，指望一步到位完成數據治理是不現實的，但在實際執行過程中往往以項目交付為目標，點到為止，導致治理不全面、無延續，效果也註定是差強人意。
5）兼職型治理，難落地：由於每個行業、企業、單位的組織體系、數據應用、基礎架構不同，需要通過方法論找到適合企業的特有的數據治理思路，同時需要專人或專業團隊進行強有力的支撐，但實際執行過程中往往是企業安排員工進行兼職管理，導致職責不清晰，主動性不強，治理工作落地困難。
數據治理之道
在傳統數據平臺階段，數據治理的目標主要是做管控，為數據部門建立一個的治理工作環境，包括標準、質量等。而在數據中臺階段，用戶對數據的需求持續增長，用戶範圍從數據部門擴展到全企業，數據治理不能再只是面向數據部門了，需要成為面向全企業用戶的工作環境，需要以全企業用戶為中心，從給用戶提供服務的角度，管理好數據的同時為用戶提供自助獲得大數據的能力，幫助企業完成數字化轉型。
通過分析數據治理實際開展過程中出現的一些問題，我們總結出了數據治理的幾個關鍵要素：
1）數據治理需要體系建設：為發揮數據中臺價值需要滿足三個要素：合理的平臺架構、完善的治理服務、體系化的運營手段。
根據企業的規模、所屬行業、數據量等情況選擇合適的平臺架構；治理服務需要貫穿數據全生命週期，保證數據在採集、加工、共享、存儲、應用整個過程中的完整性、準確性、一致性和實效性；運營手段則應當包括規範的優化、組織的優化、平臺的優化以及流程的優化等等方面。
2）數據治理需要夯實基礎：數據治理需要循序漸進，但在數據中臺建設初期至少需要關注三個方面：數據規範、數據質量、數據安全。
規範化的模型管理是保障數據可以被治理的前提條件，高質量的數據是數據可用的前提條件，數據的安全管控是數據可以共享交換的前提條件。
3）數據治理需要IT賦能：數據治理不是一堆規範文檔的堆砌，而是需要將治理過程中所產生的的規範、流程、標準落地到IT平臺上，在數據生產過程中通過前向的方式進行數據治理，避免事後稽核帶來運維成本的增加。
4）數據治理需要聚焦數據：數據治理的本質是管理數據，因此需要加強元數據管理，補齊數據的相關屬性和信息，比如：元數據、質量、安全、業務邏輯、血緣等；應通過元數據驅動的方式管理數據生產。
5）數據治理需要建管一體化：數據中臺的數據模型血緣與任務調度的一致性是建管一體化的關鍵，有助於解決數據管理與數據生產口徑不一致的問題，避免出現兩張皮的低效管理模式。
數據治理如何落地？
數據治理在系統層面包括數據標準、元數據、數據質量、生命週期管理、數據安全、數據資產共六大核心模塊；在管理層面需要通過數據治理組織、數據治理流程進行支撐保障。數據治理是一項長期且複雜的體系化工程，它需要通過一系列流程規範、制度、IT能力以及持續運營等機制來保障治理工作的持續推進。數據治理的落地建議分為4個階段：
1）建組織： 需要打破企業內部壁壘，構建多部門共同參與的數據治理組織，提升數據治理重要性。成立數據治理專項團隊，包括數據治理委員會、數據治理團隊、各業務部門等層層遞進的組織架構。在績效、團隊、資源等方面支持數據治理的持續運營，達成企業數據中臺的數據戰略體系轉型。
2）立規範：建立切實可行的標準化流程規範，並隨著數據中臺的不斷運營而持續完善，分步實施逐步迭代。規範包括髮布數據治理管理規範、數據治理流程規範、建立數據治理標準化閉環流程、明確線上管理要求，並通過運營閉環化、流程線上化、服務集中化形成常態化機制推進數據治理工作。
3）選平臺：搭建有效的IT平臺支撐數據治理的規範、流程、標準落地，同時確保前向的數據治理模式。數據治理本質是一項管理工作，只有生產過程可視化、生產過程可干預，才能保證數據治理的效果，因此平臺應確保數據治理和數據生產的一體化。平臺應具備多廠家協同開發能力、數據標準化管理能力、基於元模型驅動的元數據開發管理能力、元數據血緣管理能力、基於血緣驅動的任務調度管理能力、安全分層分級管理能力以及數據質量管理能力等等基礎能力才能更好的保障數據治理的落地。
4）重運營：數據治理是一個持續並且長久的運營過程，規範、組織、平臺的以及流程需要不斷的進行迭代優化，數據質量、數據安全需要持續管控，通過業務的不斷滋養逐步完善數據中臺的數據治理能力。
結束語
數據治理是一項戰略性、長期性、艱鉅性、系統性、持續進行的企業內部數據優化治理工作，因此，數據治理必然是一個漫長而持續的過程，沒有一針頂破天的訣竅，也沒有立竿見影的途徑，唯有企業持續不斷、持之以恆、不忘初心、不懈努力，才能達到預期目標。
