任何一个企业提出数据要进行数据治理的时候都是满怀期望的，并且常常以为只要实施数据治理，就能实现供应链、生产、销售、物流、财务等业务的打通，就能实现数据的分析、挖掘、预测了。但往往期望越高、失望越大，数据治理哪有那么容易？

企业数据治理项目从调研梳理、标准制定到宣贯培训、落地执行，整个范围广，周期长，响应速度慢，往往项目标准流程刚刚落地，业务又发生了变化。数据治理常常忙的不可开交，却难为业务带来可观的价值。

既然数据治理这么难，业务变化这么快，价值也难以体现，那就任由数据“自由生长”？这显然是不行的！

治还是要治的，不过我们可以换种思路，换种方法，或许会有意想不到的收获！

 

什么是“敏捷”？敏捷的核心思想是什么？

 

1、敏捷的定义和本质

敏捷并不是一个新概念，敏捷开发早在20多年前的就开始被逐步关注了。提到敏捷，人们大多数想到的并不是成套的复杂理论，而是一个个简单而有效的成功实践。事实上，实践是敏捷的本质，这在“敏捷宣言中”也可以充分体现。

敏捷宣言：

个体与交互，胜过过程与工具

可以工作的软件，胜过面面俱到的文档

客户协作，胜过合同谈判

响应变化，胜过遵循计划

 

敏捷宣言告诉我们敏捷的价值在于通过个体之间的协助和沟通、实现持续不断的交付价值；通过加强客户的参与感和参与度，以便快速获得客户的反馈，以快速响应客户需求的变化。敏捷的核心思想强调面向结果，而非过程，“敏捷”是一种注重价值实现和以客户为中心的协作与创新理念。

 

2、透过敏捷宣言，看数据治理。敏捷开发核心思想第一条是“以人为本”。强调了个体（人）以及个体间的沟通与协作的重要性，重视个体的潜能充分激发和团队的高效协作。按照2/8原则，企业80%的数据问题产生于企业中20%的人，找的这20%的人，贯彻数据标准、纠正数据问题、激发他们的潜能，能够让企业数据治理事半功倍。

敏捷开发核心思想第二条是“目标导向”。敏捷开发与其他众多的管理理论一样，认为目标导向是其成功的关键，因为没有目标也就无所谓成功。对数据治理来讲，没有一个企业说是为了治理数据而治理数据，都是为了数据背后的业务和管理需要。而遗憾的是，很多数据治理项目已经在繁杂的理数据、清数据、管数据中迷失了方向和目标。

敏捷开发核心思想第三条是“客户为先”。敏捷开发的中强调的“客户为先”既不是简单把客户当做“上帝”、刻板的推崇“客户至上”，客户要求什么、我们就做什么；也不是把客户当作“谈判桌上的对手”、甚至“敌人”，去斗智斗勇。而是要将客户当成是合作伙伴，把自己的使命定位是“帮助客户取得成功”。因此说，敏捷的思想同样适用于数据治理，这是让业务和技术紧密协作的基础。

敏捷开发核心思想第四条是“拥抱变化”。与传统软件项目总是试图用详尽的计划和流程，去预先控制项目的变化的发生，而结果往往是被不断变化的涌现的变化而击垮。敏捷开发认为承认变化是软件项目的一部分，相信真正的客户需求正式在不断的变化过程中明晰出来的。数据治理也同样需要欢迎变化、拥抱变化，只有这样才能真正为客户创造价值。

 

企业数据治理，为什么需要“敏捷”？

 

为区分敏捷数据治理，我们姑且将通过整体规划、组织调整、标准建设、数据管理等与数据治理策略相关的常规做法统称为传统数据治理。

数字化时代，数字世界如同现实世界一样，每时每刻都在发生在变化，对数据治理来讲，数据需求在变，数据结构和形式在变，数据的采集、存储、处理、使用的技术和方式也在变，唯一不变的就是“变”。

传统的数据治理，经常会遇到如下挑战：

1、规划很“丰满”，落地“很伤感”

规划很“丰满”，落地“很伤感”——这是多年以来，IT界大型项目从咨询规划到落地实施的一个真实写照，以前的ERP项目是这样，CRM项目是这样，现在的数据中台是这样，数据治理也如是。

需求管理问题、组织协同问题、项目沟通问题、时间安排问题、资源配合问题、业务流程问题、标准成熟度问题、文化适配问题、技术工具问题等等因素的不完美、不理想，造成了数据治理规划和落地的两层皮。

2、涉及面广，工作量大，立杆不一定见影

数据治理是一个典型的涉及范围广、工作量大且见效慢的项目。很多企业做数据治理大张旗鼓，咨询规划、协调组织、动员员工、梳理流程、清理数据，系统改造、接口开发……，花费了巨大的力气和成本，但最终实现的效果却不是特别明显。辛辛苦苦开发出来的数据看板，还是无人问津。领导依然觉得，系统中统计出来的数据与实际有偏差，对不上。

企业开启数据治理，一定要将范围框的小一些，目标明确一些，迭代节奏快一些，快速见效以增强各方的信心，再不断持续推进。

3、业务和技术天生的“冤家”？

不论是数据运营还是数据治理，业务和技术总被认为是一对天生的冤家，他们每天都进行着一些差别不大，但是看起来很神奇的对话。

4、数据提供的时间长

数据在应用过程中，总会遇到这样的问题：想要的数据拿不到，或不知道从哪取；拿到数据的时间长，等数据拿到了，发现业务已经过时了。因此，数据治理的一个重点是如何让业务及时且快速拿到想要的数据。而传统数据治理比较重视流程，试图通过严密的流程确保数据的安全合规使用，但正因如此也造成了数据的响应比较慢，难以满足业务所需。

5、数据需求的变化快

之前某开发者论坛有这么一个调查，问程序员最怕的是什么？

A、改bug

B、开会

C、需求不断变化

D、加班

E、经理不懂技术

其中，选择“需求不断变化”的占了高达78.2%。于是，有一则笑话：程序员不怕交付的程序有bug，就怕bug改完了，需求变了！

对于数据工作者来说，也存在同样的问题，不论是经验丰富的“大表哥”，还是刚刚入坑的“茶树菇”，他们不怕不停的跑数、取数的繁琐，也不怕写SQL、建模型的枯燥，最怕的就是业务人员说“你这数据不对，不是我想要的”。

出现这问题，有两种原因，一是需求没有沟通清楚，二是需求发生了变更！而敏捷是应对变化的一剂良方！

6、数据治理，吃力却不讨好

2016年的一项数据治理研究发现，有46％的开发团队认为他们的数据组没有什么价值，甚至不知道数据组整天在忙什么。数据工作者真的是太冤了，理数、清数、跑数、取数每天忙得昏天暗地的，还被人说成是最没有价值的。

有没有一种方式，让领导、业务、技术等相关人员快速并持续感受数据治理的效果和价值？！或许敏捷数据治理能够帮助到我们。

 

敏捷开发的12个原则，在企业数据治理中的应用！

 

敏捷数据治理，笔者理解就是用敏捷的核心思想来管理数据，实现数据的持续、高质量交付，以应对业务的不断变化。敏捷的核心思想重点体现在4条敏捷宣言和敏捷开发的12个原则中，敏捷宣言在上文提到了，敏捷开发的12个原则如下：

原则1：尽早并持续的交付有价值的软件以满足客户需求。

对数据治理来讲，如何让业务快速拿到想要的数据是需要重点考虑的问题。业务人员应当参与数据需求分析，甚至取数的过程中，实现业务的自助取数、自助探索、自助分析，是解决数据持续交付的重点。

原则2：敏捷流程欢迎需求的变化，并利用这种变化来提高用户的竞争优势。

对数据治理来讲，从业务端数据的需求，到技术端数据的采、存、管、用，都在时刻发生着变化，数据治理人员应当认识到这一点，并且保持开放和学习的心态，欢迎变更，迎接变化，才能了解市场、理解业务，从而不断赋能业务，以支持业务的持续创新。

原则3：经常发布可用的软件而不是文档，发布间隔可以从几周到几个月，能短则短。

对数据治理来讲，数据标准是基础，只有将数据标准在各个业务流程、各个业务系统中使用起来才能检验出标准的适用性，并为标准的修订提供实践参考。数据标准是干出来的，不是写出来的，发布再多的标准文档、管理规范，不如将其中的一个或几个先用起来，再考虑如何用得好。

原则4：业务人员和开发人员在项目开发过程中应该每天共同工作。

对数据治理来讲，业务和技术应是紧密的合作伙伴，而非敌对的“冤家”，团队之间需要相互协作和协同配合。业务人员制定的规则、定义的标准要和技术人员沟通如何有效落地，技术人员的数据建模、跑数规则、计算方法、数据结果也需要和业务人员验证是否满足业务的用数需求。

原则5：以有进取心的人为项目核心，充分支持信任他们。

对数据治理来讲，需要一个懂业务、懂技术、擅沟通、会管理、有意愿、有进取心的数据治理项目负责人，设法找到他并给他充分的授权，是数据治理项目取得成功的关键。我当然知道这样的人才是稀缺的，但这个原则的关键在于领导的充分信任和支持，技术弱一点、业务差一点，是可以慢慢培养的吗，要给数据工作人员一定的试错空间，通过不断的迭代、持续的优化，来逐步实现目标。

原则6：无论团队内外，面对面的交流始终是最有效的沟通方式。

这是一条通用的原则，不论是软件开发还是数据治理，或是其他任何类型的项目，面对面沟通依然是最有效的沟通方式，尽管视频会议、语音电话已经非常普及了，但是隔着屏幕的沟通，总会给人一种隔阂感，让人不能畅所欲言，并且容易引起误解。

原则7：可用的软件是衡量项目进展的主要指标。

这个原则的关键思想在于“以终为始”，对于软件开发项目的“终”就是交付可用的软件。对于数据治理来讲，不可能一步到位就将数据治理的“完美无缺”，与其追求完美的数据管理策略，不如将重点放在如何让用户快速拿到满足业务需求的数据，再根据用户的反馈逐步优化。

原则8：敏捷开发倡导可持续的发展。领导，团队和用户应该能按照目前的步调持续合作下去。

这一原则用在数据治理上太适合了！我们看到很多企业数据治理的失败案例，其原因并不是数据标准没能建起来，也不是数据管理工具不完善，而更多的是将数据治理作为一个项目在运行。当项目一旦结束，项目团队解散，定义的数据治理策略、标准常常被束之高阁，时间一久，便无人问津了。因此，企业数据治理必须要建立起长治久安、持续运行的机制。

原则9：持续关注卓越的技术和优良的设计，会增强敏捷能力。

这一原则强调了先进技术的应用，对数据治理来讲，使用云计算、大数据、人工智能、机器学习等先进技术的使用，能够让数据治理变得高效而智能。在数据梳理和识别、数据建模、元数据管理、主数据管理、数据质量管理、数据安全管理等领域均可使用先进的技术来赋能数据管理。

原则10：简明为本——它是极力简化不必要的工作量的技艺。

“简化”是一种数据思维模式。当今世界，信息爆炸、数据繁杂、真伪并存，不完整、不准确、不真实的数据带来不仅不是明智的洞察力，还有可能是误导！在纷繁的信息中我们思考问题要善于简化，抓住重点，聚焦核心问题，以终为始、抽丝剥茧、多维度收集信息、多角度思考问题，找到高效的解决方案。

原则11：最好的架构、需求和设计出自于自组织团队。

很多企业做数据治理，总是寄希望于供应商和外部专家，希望通过借用外部的力量解决企业内部的数据管理和使用上的问题。殊不知，“打铁还需自身硬”，从数据标准的制定到治理策略的执行，从数据整理、清洗、编码等基础工作到数据质量稽查、报告和整改等等，这一切都必须由企业自己来做，外部资源能支持更多的是经验和方法。