在大數據時代，數據已成為企業和社會關注的重要戰略資源，對于海量、高速增長的數據資產，需要用新的治理模式才能激發數據活力、提升數據資產價值。本文旨在研究如何有效開展數據治理實踐工作，解決數據治理項目落地問題。

數據治理優秀實踐分析

2017年，多家咨詢公司與研究機構對世界范圍與北美企業的數據治理情況進行了調查，調查結果顯示，在世界范圍內有50%的企業正在或已經實施數據治理，而在北美已有79%的企業正在或已經實施了數據治理。

國際商業機器公司（IBM）的數據治理源于其在上個世紀九十年代的企業轉型需求，其計劃從一家硬件制造的企業轉型為軟件服務業的企業。數據治理在其轉型中對流程、數據及架構的標準化活動提供業務數據標準化以及數據架構標準化支持。在具體的數據治理體系方面，IBM將其數據治理體系分為支持領域、核心領域、治理使能器及治理結果等4個領域。

其中，支持領域包含“數據架構”“數據分類和元數據”及“審計、日志和報告”三個部分;核心領域包含“數據質量管理”“數據生命周期管理”“數據安全、隱私與合規”三個部分;治理使能器包含數據治理的組織、政策制度及認責機制等保障機制;治理結果對治理核心的核心活動提出需求。

目前，國內企業的數據治理實踐活動因行業而異。銀行業由于對信息資產的依賴性較高，因此數據治理項目起步早、落地快、力度大。在一些高科技行業和能源行業領域，數據治理啟動也較早，并由公司高層推動，深度與廣度都較大，治理體系較成熟，因此其數據治理活動也較有代表性與借鑒意義。

通過對國內外數據治理先進實踐進行總結分析，可以提煉出4點優秀實踐。

一是高層與業務支持。數據治理項目需要獲得高層的支持以及相關業務部門的重視，需要強力部門推動，并保證資源到位，自頂向下和自底向上相結合，分階段實施完成、落實責任。

二是治理的范圍與深度。明確數據管控的范圍，確定數據治理體系內容，形成認同一致的數據治理框架，如對數據主題域劃分、數據實體識別等。

三是治理組織建設。數據治理的組織是數據治理的保障，這個組織應跨業務、跨部門地覆蓋企業;確立組織中的認責機制，確定管理職責與管理流程方法。

四是治理項目實施。數據治理工作不可能一蹴而就，而是一項需要分步開展、持續維系、穩步提升的長期工作。

數據治理活動實踐分析

數據治理工作包括數據資源目錄管理、數據模型管理、數據標準管理、數據質量管理等方面。

數據資源目錄管理

數據資源目錄管理是整個數據治理體系的首要工作，是構建企業數據架構體系的基礎工作。數據資源目錄管理核心目標是將企業的數據資源進行分層劃分，形成統一的數據資源目錄，提供各業務主題域所需的資產導圖，獲取所屬領域的數據資源內容信息。依據業務需求分析的實際情況，將資產目錄劃分為多個層級，一般可分為主題域、子主題域、數據實體。

數據模型管理

數據模型的管理是基于數據資源目錄中梳理出來的數據實體，進行數據屬性信息梳理，最終構建邏輯模型的過程。從業務角度抽取出來的數據實體及其屬性信息是一個標準的數據邏輯模型，用于指導新建系統開展物理模型的設計和開發;對于已建系統的現有物理模型，需建立與標準邏輯模型間的映射關系，保障跨系統數據模型的一致性。

數據標準管理

數據標準管理是統一數據語言的核心工作，保證數據在各業務域和各信息系統之間的一致性，為信息系統間數據共享交換提供保障，提高系統間交互效率為數據共享奠定基礎。數據標準是對數據的定義與解釋，具體是基于數據實體的屬性開展的，每個屬性的標準包括數據的業務規范、管理規范、技術規范以及值域4個部分。

數據質量管理

數據質量管理重點工作聚焦在制定數據質量評估體系、發布數據質量評估模型實例、執行數據質量評估、展示數據質量評估報告以及數據質量問題改善與跟蹤。數據質量評估體系是數據質量管理的基礎，質量評估體系包括對數據質量評估模型的定義、數據質量評估指標體系的搭建。

數據治理的風險與對策

數據治理工作是一個龐大的工程，結合國內外企業實施數據治理的經驗和教訓來看，數據治理工作具體有以下幾個方面的風險與對策。

一是全面提高思想認識。

現在企業已普遍意識到數據是寶貴資產，尤其意識到數據質量的重要性，但是對數據治理的重要性認識不深刻，因此建議數據治理首先要從上到下全面提高思想認識，保證在企業的各個環節都能重視數據治理。

二是業務部門與信息部門密切配合，共同推進數據治理。

數據治理工作必須遵循業務主導的原則，因此在項目實施前和實施過程中需要獲得各業務域對數據治理工作的認知，尤其是業務部門有責任牽頭解決項目實施過程中本主題域內遇到的業務和組織方面的核心問題，應抽調業務骨干，積極參與項目的實施。

三是積極探索數據治理落地運作方式。

數據治理工作普遍存在方案規劃容易，落地實施困難的問題。建議在項目實施前認真討論項目的實施計劃和運作方式，理清本項目與其他項目組間的工作范圍、邊界、責任，要明確本項目主題域及其數據治理重點業務需求。

四是建立評價標準，解決數據治理效益估算難的問題。

數據治理工作屬于基礎工程，項目收益無法直接體現。常常會出現數據治理后無法估算出直接經濟效益的情況，最終出現用戶對治理結果滿意度低的問題。因此需要建立一套數據治理效果評價標準，有助于對數據治理項目的落地結果進行評估。