數據治理（Data Governance）是組織中(zhōng)涉及數據使用的一(yī)整套管理行爲。由企業數據治理部門發起并推行，關于如何制定和實施針對整個企業内部數據的商(shāng)業應用和技術管理的一(yī)系列政策和流程。
數據治理不是一(yī)蹴而就的，它是一(yī)個漫長而持續的過程，沒有一(yī)針頂破天的訣竅，也沒有立竿見影的途徑。隻有将數據治理變成一(yī)種常态化機制，就如同我(wǒ)們每天吃飯、睡覺一(yī)樣，形成一(yī)種習慣、一(yī)種文化、持之以恒、不忘初心、不懈努力，才能達到預期目标。
爲什麽要做數據治理？
答：要建立數據标準，提升數據質量，實現數據資(zī)産統一(yī)管理。
問：爲什麽要建立數據标準、提升數據質量，不做會怎樣？
答：數據質量問題比較多，無法提供準确的數據報表，影響業務效率，無法支撐企業的數字化轉型。
問：都影響到了哪些數據報表、哪些業務？
答：XX報表不準确、統計口徑不一(yī)緻、系統之間數據孤島，數據集成困難……
問：爲什麽會造成數據報表不準确，口徑不一(yī)緻，系統集成難？
答：因爲數據标準一(yī)緻，數據源的數據質量差。
采用咨詢常用的5Why分(fēn)析法，似乎已經得出了數據治理的現狀和目标。将其總結下(xià)：通過數據治理實現企業數據的标準化、提高數據質量、提升業務處理的效率，爲數據分(fēn)析提供準确的數據支撐，賦能業務，助力企業實現數字化轉型。
但是，仔細分(fēn)析這樣的調研結果是浮于表面的，圍繞數據的問題在原地打轉，沒有将爲什麽要做數據治理真正想透。
數據要産生(shēng)價值，需要一(yī)個合理的“業務目标”，數據治理的所有活動應該圍繞真實的業務目标而開(kāi)展，建立數據标準、提升數據質量隻是手段，而不是目标。因此數據治理的第一(yī)步不是分(fēn)析數據問題，而是分(fēn)析業務問題，找到企業的核心業務訴求，定義數據治理的目标和範圍。
數據治理主要目标
針對企業目前在數據管理方面存在的問題，需要對企業數據架構進行規劃，構建企業數據管控體(tǐ)系，實現數據全生(shēng)命周期的統一(yī)管理，建立數據标準與規範，提供全面、統一(yī)的數據服務，靈活支撐業務，爲企業精細化管理提供保障，爲企業發展創造價值，提升企業運營與管理能力，打造企業核心競争力。
數據架構規劃定義了數據标準、改造數據環境、規範數據模型、規範數據源、建立了标準的數據管控體(tǐ)系、形成了與管理層和決策層相結合的數據管控組織。其規劃的目标如下(xià)：
分(fēn)析業務運作模式的本質，歸類整理包括業務表單、統計報表等在内的業務實體(tǐ)。
建立包含基本數據集、信息分(fēn)類編碼和數據模型等在内的數據架構。
建立業務信息分(fēn)布矩陣，使數據源分(fēn)析定位到業務活動層面。
形成規範的數據标準，标準化定義數據。
以科學的方法識别出有價值的分(fēn)域主數據，形成系統的主數據管理。
建立數據管控體(tǐ)系和政策，對數據生(shēng)命周期各個環節進行有效的評價和考核。
數據治理方案概略
企業數據架構的目标就是打破信息孤島，實現企業信息數據共享；應用與數據分(fēn)離(lí)，實現數據從部門到企業的提升；建立數據轉換爲價值的體(tǐ)系，讓數據發揮出企業核心資(zī)源的效用，實現數據的增值。
數據規劃的總體(tǐ)指導思路是：以企業組織架構、業務信息以及現有的數據管控體(tǐ)系等内容，參考行業較好實踐以及國際參考模型（如TOGAF集成信息模型、FEA數據模型），形成企業數據規劃報告，包括劃分(fēn)業務主題域，進行數據分(fēn)類、識别相關實體(tǐ)、構建數據模型，規範主數據與編碼規則，建立數據管控體(tǐ)系，構建數據管控平台。
其中(zhōng)：數據管控體(tǐ)系必須從組織、标準、規程和技術保障四個方面建立。明确的數據管控組織架構和角色職能劃分(fēn)可以有效地保障數據規程的落地；數據标準是數據管理的基礎；數據管理規程定義了數據管理應當遵循的規範；技術平台的建設和優化爲數據規範管理提供支撐。這四方面構成了完整的數據管控體(tǐ)系，保證數據管理有标準、有制度、有稽核、有手續、有手段、有檢查、有考核，使得各項數據管理工(gōng)作能夠得到有效落實，達到數據準确、完整的目标，并能夠提供有效的增值服務。
實施效益
建立企業數據架構規劃，指引企業數據治理持續改進；
建立數據标準，提升管控能力，有效保障數據治理目标有效落地；
建立數據模型（主數據模型），規範數據全生(shēng)命周期管理，打破信息孤島，實現數據有效共享；
建立數據質量管控體(tǐ)系，提高業務數據的一(yī)緻性，增強集團、跨域、跨業務的協調能力；有效支持内控，減低企業的信息安全風險；
建立和優化企業數據技術架構，形成端到端的信息流傳遞與管控，優化業務流程，建立可視化數據決策體(tǐ)系，充分(fēn)利用數據資(zī)産，提升企業核心競争力。
數據治理不是一(yī)個“項目”，難以立竿見影的效果！
數據治理的最終目标是賦能業務，提升數據價值。這是一(yī)個持續漫長的運營過程，需要逐步完善、分(fēn)步叠代，指望一(yī)步到位完成數據治理是不現實的。
項目型的數據治理，是不全面的，無延續性，能夠解決一(yī)時的數據問題，但很難獲得持續的數據價值。
因此說，數據治理不是一(yī)個“項目”，而是一(yī)個持續運營的過程。我(wǒ)們也可以将這個過程，看作是由一(yī)個個數據治理“微項目”組成，連續的、螺旋上升的模型。一(yī)個項目的結案，不是企業數據治理的終點，而是企業數據治理真正的起點！
做了數據治理，爲什麽數據質量依然很差？
例如企業多年前就做了數據治理，建立了數據治理平台，元數據管理、數據質量管理等功能都有了，但是數據質量問題還是很多，導緻花了很多錢建設的BI系統基本都沒人用，有什麽好的方式解決？
原因是數據質量差、BI用不起來，這個問題雖然常見，但是10家有相同問題的企業中(zhōng)，有9家的原因是不一(yī)樣的。在沒有經過詳細調查，不了解具體(tǐ)背景的情況下(xià)，是不能貿然給出建議的。
盤點了一(yī)般引發數據質量問題的各種原因：
有業務方面的數據定義不明确，也有技術方面的數據抽取不完整；
有管理方面的崗位職責不清晰，也有執行層面的數據操作不規範；
有數據處理加工(gōng)過程中(zhōng)出現了錯誤，也有數據源本身就有問題；
有數據治理系統功能有缺陷，也有系統強大(dà)但是沒人用……
做過了數據治理，企業的數據質量就一(yī)定能提升嗎(ma)？其原意是要問：上過了數據治理系統或實施了數據治理項目，爲什麽還會有數據質量問題。這個問題很複雜。正如上文中(zhōng)的項目型數據治理，點到爲止，治标不治本。有的企業認爲數據治理就是上一(yī)套強大(dà)的數據治理平台，隻要平台功能強大(dà)，就能管好數據，這恰恰是陷入了另一(yī)個誤區——唯工(gōng)具論，豈不知(zhī)數據治理的本質是管理數據，而不是管理程序、腳本和任務。
另外(wài)，還有很多企業是出現了數據問題，并且對業務造成很大(dà)影響之後才去(qù)進行治理的——被動式治理，失去(qù)了治理數據的主動權，常常是解決了一(yī)個問題又(yòu)引出了更多的問題。……
世界上沒有“包治百病”的數據平台，隻有将數據治理常态化，持續地去(qù)做才是王道。
數據治理之道
1. 數據治理需要體(tǐ)系建設
爲發揮數據價值需要滿足三個要素：合理的平台架構、完善的治理服務、體(tǐ)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适的平台架構；治理服務需要貫穿數據全生(shēng)命周期，保證數據在采集、加工(gōng)、共享、存儲、應用整個過程中(zhōng)的完整性、準确性、一(yī)緻性和實效性；運營手段則應當包括規範的優化、組織的優化、平台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(yī)堆規範文檔的堆砌，而是需要将治理過程中(zhōng)所産生(shēng)的的規範、流程、标準落地到IT平台上，在數據生(shēng)産過程中(zhōng)通過“以終爲始”前向的方式進行數據治理，避免事後稽核帶來各種被動和運維成本的增加。
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和主數據管理，從源頭治理數據，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，通過元數據驅動的方式管理數據生(shēng)産、加工(gōng)和使用。
5. 數據治理需要建管一(yī)體(tǐ)化
數據模型血緣與任務調度的一(yī)緻性是建管一(yī)體(tǐ)化的關鍵，有助于解決數據管理與數據生(shēng)産口徑不一(yī)緻的問題，避免出現兩張皮的低效管理模式