最近几年，数据治理这个话题非常引人关注。工信部、国资委、银保监会、中国人民银行等陆续发布相关政策、规划，推动行业数据治理工作不断向前发展。那么，企业数据治理，到底是可选项还是必选项？今天我们就通过问答的形式讨论一下：

Q：什么是数据治理呢？

A：数据治理的概念其实已经提出很多年了，国际和国内的专业机构都给出了标准答案。总体理解为，数据治理的顶层设计、战略规划，再加上具体实施落地，综合起来称为“数据治理”。数据治理是由方法论和具体实践组成的。当前企业越来越重视数据治理建设，越来越意识到传统IT驱动的专项数据管理项目，在实施过程中很难推进，很难解决业务和管理上的用数难的问题。而从战略、组织入手的数据治理顶层设计，更有利于推动数据管理目标的实现，再加上技术落地，最终去进行数据治理。

Q：企业信息化早已普及，那么为什么还要开展数据治理这项工作呢？

A：数据治理这项工作的开展，是企业信息化建设到达一定阶段后，才会提出的。大多数企业在信息化建设中，一般会采用传统的“流式”建设模式。所谓“流式”建设模式，一般是企业按照管理的需要、经营的需要建设信息化系统，比如需要财务管理就建设财务相关系统，那么有人力资源管理需求，就建设人力资源管理系统。而这种单个系统的建设或者叫流式建设的方式，就会导致很多问题。这就是目前大多数企业开展数据治理建设的普遍原因。

Q：企业在信息化建设过程中也会产生很多问题，那具体会有哪些问题？

A：企业信息系统建设过程中，其实会遇到很多数据治理方面的问题。

比如，标准化的问题。由于系统的独立建设，或者叫烟囱式建设，没有顶层设计或前期规划，会导致跨系统、跨业务领域的数据没有统一标准，无法做关联性分析。那么当上层做数据分析的时候，会出现口径不一致或标准不一致的问题。

第二类，是数据质量的问题。因为系统是独立建设的，而且是分时期建设的，那么数据在各个系统之间流转的过程中，数据是会有缺失的。尤其在系统运转的过程中会积累大量数据，由于不标准的操作，会出现数据质量有大量问题存在的情况。这些就导致了系统之间在做流转、或者做上层的数据分析、或者做顶层的决策观察分析的时候，我们没办法确认这些数据是否可用、很难去用。

还有一类，是安全性的问题。可能由于没有顶层规划设计、没有流程制度的规范、没有审计制度的约束，可能日志考虑不是特别的健全，包括系统的数据利用有缺失，都会导致数据在存储、使用、操作、追溯等方面的安全性问题越来越多。

所以，无论是企业数字化转型，或者数据价值转化，还是为了数据标准化的目标，数据治理正是解决这些问题的有效方法。

Q：企业开展数据治理这项工作，具体都会涉及到哪些内容呢？

A：数据治理的核心就是建设数据治理体系。企业数据治理的建设大致可以分为三个层次：

第一个层次，是战略引领，顶层挂帅。属于顶层设计、战略规划的层面，需要企业的领导层对数据治理的建设有足够的重视，将数据治理提升到企业的战略地位，使企业的管理人员和全员对数据治理有足够的认识，这样数据治理工作才能很好的落地和推行。

第二个工作，是健全机制，标准先行。属于规范制度和标准化制度建设的过程，会使企业重构组织、重构管理制度、重构流程和标准等。这项工作其实非常的重要，它会影响到，比如说哪些组织管理哪些工作，哪些人员具体负责哪些事情；而标准的设计，一定是要先行做到的，它会影响到后续建设的具体落地。

第三部分，是数据驱动，技术支撑。属于具体的落地和实现的部分，又包含了两个步骤，第一步，就是技术的选型，也就是通过选型来决定之后做数据治理这项工作的技术路线是什么，采用什么样的平台、什么样的技术手段去实现它；第二步，就是具体的实施工作，包括系统的安装部署实施、具体的实施计划的制定等等。数据治理会划分一些具体的系统模块，比如说元数据管理，数据标准管理，数据质量管理，主数据管理，数据安全管理，数据资产管理等等，这些都是数据治理体系平台要建设的内容。根据不同的项目特点，用不同的技术或工具，让企业的数据治理工作事半功倍，实现数据价值的变现。

Q：这三个层面就像一个金字塔模型一样。

A：对，其实它就是一个金字塔模型，从顶层规划，到中间的流程规范制定，到最下面的具体实现，所以从这个金字塔模型能够看到，其实最顶层的战略规划层面是最重要的一个环节，所以会把它放在最上面。

随着数字化进程的不断深入，企业对于数据价值的认可，基本成为一种共识。而数据治理作为能够帮助企业发掘数据价值的手段，也已经被广泛认可。看来对于企业来说，未来，数据治理不是一个可选项，而是一个必选项。