实施数据治理的第一步是厘清数据治理相关干系人，建立清晰的数据治理组织机构，明确角色职责和权力，定义数据归属权、使用权，明确谁对数据质量负责。

（一）设置数据治理组织的3个原则

原则1：数据治理需要从企业利益出发

数据治理应从企业的利益出发统筹规划，全面保障数据的质量。数据治理组织的建立是对数据管理职责的确认，由企业高级管理者或董事会授权其对数据相关事项的行使权和决策权。

原则2：数据治理工作需要合理的分工

数据管理者不一定是数据所有者，而是由数据所有者授权进行数据管理的托管单位。数据质量应由数据所有者负责。数据管理者并不包揽所有的数据治理和管理工作，部分数据治理和管理工作需要由业务部门和IT部门共同承担。

原则3：数据治理需要各方的通力合作

数据管理者需要与各业务领域中的业务专家合作，共同定义数据标准，制定数据质量规则，并促进数据质量的提升。数据生产者和使用者对数据的新增、变更、传输、存储、处理与使用也需要数据管理者或IT部门给予一定的技术支持，这一系列活动都需要数据管理者监督和核查，以确保数据质量。

（二）数据治理组织与职责分工

数据治理项目涉及范围广，牵涉到不同的业务部门、信息部门和应用系统，需要协调好各方关系，大家目标一致，通力协作，才能保证数据治理的成功实施。

不同企业的数据治理组织机构设置或有一定的差异，但一般来说，数据治理组织由数据治理委员会、数据治理办公室和数据所有者5类角色组成。

1. 数据治理委员会

作为企业数据治理的决策机构，数据治理委员会由企业业务部门及IT部门的代表联合组成，一般为主管业务的高管以及CIO、CDO等。数据治理委员会负责制定企业的数据战略，指明数据治理方向，并对公司董事会负责。数据治理委员会拥有整个企业数据的管理权，包括：签发数据标准，批准实施数据管理制度及流程；对数据治理过程的重大事项进行审核和决策；对数据治理工作给予相应的人力、物力和资金支持。

2. 数据治理办公室

在一些大型企业的数据治理组织机构中会设置数据治理办公室或数据管理岗，来协助数据治理委员会执行数据治理策略、流程和管理制度。数据治理办公室是理解和传达数据含义与使用的专家，其主要职责是：负责数据管理细则的制定、数据质量稽核、数据治理技术的导入、数据质量问题处理等；协调相关数据的生产者、拥有者和使用者来完成数据标准、数据质量规则、数据安全策略的制定和执行；对数据治理过程进行监控和管理，以符合数据标准、管理制度和流程规范的要求。当数据治理办公室无法解决数据问题时，会将该问题“上诉”到数据治理委员会进行决策。

根据项目的需要，数据治理办公室可能还会设置数据标准管理岗、元数据管理岗、主数据管理岗、数据质量管理岗、数据架构岗、系统协调岗等岗位。

数据标准管理岗：牵头组织数据标准的编制、评审、维护、更新，以及相关制度的编制、修订、解释、推广落地。

元数据管理岗：牵头元数据的采集、梳理、存储、维护和更新，以及元数据管理相关管理办法的编制、修订、解释、推广落地。

主数据管理岗：牵头主数据标准制定，数据质量稽核，以及主数据管理相关制度和流程的编制、修订、解释、推广落地。

数据质量管理岗：牵头数据质量标准、数据质量检查规则的订立和维护，数据质量评估模型的制定和维护，数据质量相关管理办法的编制、修订、解释、推广落地，以及专项数据质量的整顿和改造工作。

数据架构岗：牵头目标数据架构，数据生命周期管理策略的制定、维护和更新，以及数据架构和数据生命周期相关管理办法的编制、修订、解释、推广落地。

系统协调岗：协调/牵头数据治理工作中涉及的系统建设改造、工具建设改造、平台建设改造等。例如牵头数据管理平台的建设，协调数据质量整顿工作中对相关业务系统的改造，协调数据标准在新系统建设中落地等。此岗位也可以分散由以上岗位各自执行。

3. 数据所有者

数据所有者即拥有或实际控制数据的组织或个人。数据所有者负责特定数据域内的数据，确保其域内的数据能够跨系统和业务线受到管理。数据所有者需要主导或配合数据治理委员会完成相关数据标准、数据质量规则、数据安全策略、管理流程的制定。数据所有者一般由企业的相关业务部门人员组成，根据企业发布的数据治理策略、数据标准和数据治理规则要求，执行数据标准，优化业务流程，提升数据质量，释放数据价值。在企业中，数据所有者并不是管理数据库的部门，而是生产和使用数据的主体单位。

4. 数据生产者

数据生产者即数据的提供方，对于企业来说，数据生产者来自人、系统和设备。例如：企业员工的每一次出勤、财务人员的每一笔账单、会员的每一次消费都能一一被记录；企业的ERP、CRM等系统每天都会产生大量的交易数据和日志数据；企业的各类设备会源源不断地生产大量数据，并通过IoT整合到企业的数据平台中。

5. 数据使用者

数据使用者是申请、下载、使用数据的组织或个人。在企业中，数据的生产者、所有者和使用者有可能是同一个部门。例如，销售部门以CRM系统为依托，既是客户数据的生产者，也是客户数据的使用者，还是客户数据的所有者。

（三）谁该对数据负责

谁该对数据负责？这个问题其实已经在数据治理组织职责中进行了说明：数据所有者负责特定数据域内的数据。

通常，企业中数据的生产者、拥有者、使用者和管理者是比较容易识别的，但是一旦出现数据质量问题，在追责的时候，它就常常会变成一个业务部门之间或业务部门与IT部门之间相互推诿的问题。

举个例子，企业在盘点库存时，经常会发现ERP系统中的物料库存数据与实物的库存数据存在差异。业务部门会说IT部门没有提供完善的系统功能，导致数据错误，而IT部门则可能责怪业务部门操作不规范。

事实上，出现这种问题，最大的可能是业务的出入库操作重复或在列出库存项目时有遗漏，或者库存物料的描述不准确，位置不正确。

但谁应该负责解决这个问题？通过IT增强系统能力真的可以解决类似问题吗？

当涉及库存时，通常是由一个库存功能或仓库管理员负责确保库存数量准确。作为数据质量改进和控制的一部分，这可能需要对系统中的物料建立统一的编码规则并实施数据清洗，还可能需要对实物库存进行重新贴标签。而这些决策永远不会成为单纯的IT问题，也不会落入IT部门，这很明显。

数据的确权定责只是数据治理的手段，而不是数据治理的目的，企业要做的是提高数据质量和实现业务目标，而不是在发生了数据问题后去追究责任。

数据问题的重点在于预防，问题发生了再去追责则为时已晚。

谁对数据质量负责？当你遇到这样的困惑时，不妨试着先回答以下几个问题。

认识问题：什么是好的数据质量？为什么它很重要？

定义问题：测量数据质量的维度有哪些？数据一致性、完整性、正确性、及时性？

衡量问题：数据质量对业务使用和管理决策有何影响？

分析问题：找到数据质量问题的根本原因，是管理问题、业务问题还是技术问题？

改善问题：哪些关键业务流程的改善有利于提高数据质量？如何改善？

控制问题：是否有数据质量管理章程，包括问题和目标描述、范围、里程碑、角色和职责、沟通计划？

把以上问题都想清楚之后，究竟“谁该对数据负责”就不是那么重要了。

数据质量人人有责：谁生产谁负责，谁拥有谁负责，谁管理谁负责，谁使用谁负责。数据生产者要确保按照数据标准进行规范化录入；数据拥有者要确保所拥有的数据可查、可用、可共享；数据使用者要确保数据的正确、合规使用，以及数据在使用过程中不失真；数据管理者要制定确保数据质量的流程和制度，并使其有效执行。

（四）数据治理组织的演进

从工程建设的角度看，企业数据治理一般可分为两个阶段：项目建设阶段和数据运营阶段。每个阶段的着力点不一样，企业数据治理组织机构一般也会有所侧重。

1. 数据建设阶段的组织机构

在项目建设阶段，项目组织人员需要梳理业务流程，盘点数据资源，制定数据标准，清理存量数据，建立数据平台，开发数据服务，同时还需要管控项目进度、质量、成本等。每一项工作都要有对应的角色和人员来完成，为不同的项目角色安排合适的人员对于项目的建设十分重要。

在项目建设阶段，数据治理组织是典型的项目组织形式，由项目领导组、项目管理组、项目执行组组成。

项目领导组负责项目的领导和指导、项目整体方向的把控、重大事项的决策和协调等，一般由企业数据治理委员会的成员组成。

项目管理组负责沟通管理、进度管理、成本管理、质量管理等项目管理工作，确保在一定的时间和成本范围内，高质量完成各项数据治理项目目标和任务。

不同于传统的IT项目，数据治理项目涉及的范围广，业务复杂，技术多样，因此选定一名合适的项目经理至关重要。

项目执行组负责按照项目计划完成既定的项目任务。执行组由多个小组构成，如方案组、开发组、实施组、运维组等。有的项目还会根据数据治理的不同专业领域，将执行组分为数据标准组、数据模型组、数据分析组、数据开发组等。

数据治理建设阶段的组织机构是离散式的、不稳定的，项目成员分别来自不同的部门和岗位，并且多以兼职为主，项目建设完成后，组织机构也随之解散。

2. 数据运营阶段的组织机构

在数据运营阶段，更多的是让数据治理服务于业务运营，为实现数据驱动的企业数字化转型提供支撑。

运营阶段的数据治理组织是以业务目标驱动的敏捷组织，一切围绕业务运营的目标而开展，成立实体的组织机构，配置专业的专职人员，为业务运营提供数据服务，并保障数据质量和安全。

数据运营中心根据数据专业领域的分工，设置数据建模、数据质量、数据安全、数据算法、数据分析等岗位角色，它是消除了部门墙的企业级共享能力中心，实现企业相关数据管理和应用能力的沉淀。

在运营阶段，数据治理组织与数据运营中心逐步融为一体，建立数据管理制度，推动数据标准落地，保障数据安全及数据的合规使用。这种模式下，数据运营中心与各业务线条深度融合，以业务运营目标为中心，为全公司提供数据服务，助力各业务条线经营目标的实现。

3. 重建设，更需重运营

数据治理组织成立于建设阶段，但其价值更好地体现在运营阶段。企业的数据问题不是单靠实施一个数据治理项目就能彻底解决的。数据治理组织不仅是在数据治理项目建设阶段的保障，更重要的是在运营阶段的持续保障。

对于项目建设阶段和数据运营阶段，数据治理的组织机构形态和管理制度细则会有所侧重和不同，企业应根据自身需求和数据发展要求灵活调整。

 数据是动态变化的，数据治理组织体系也是不断演进的。随着数字化的发展，企业的数据治理组织体系必定会经历一个从无到有、从虚拟组织到实体组织、从兼职管理到全职岗位、从离散式项目管理到全面数据质量控制的过程。

数据治理组织体系的建设可以是一个过程，并不是说企业一旦启动数据治理就必须召集一个专门的组织，更不是要求组织岗位一步到位。虚拟组织也好，实体组织也罢，不论是全职岗位还是兼职管理，不论是项目式的离散管控还是全过程、全链路的统一标准，并没有绝对的好坏之分，而是根据企业不同的业务需求特点和发展阶段做出的不同选择。在这一点上，没有最好的解决方案，只有更适合的解决方案。