数据治理是一项连续性的工作，需要不断巩固和加强数据治理效能，才能助力企业数字化业务的深入发展。

建立企业数据治理长效运营机制的关键在于分工清晰，领导支持，标准明确，流程规范，奖罚分明，持续优化。

以上部分环环相扣，缺一不可！

 

一、组织领导机制

 

建立符合企业业务目标和发展需要的数据治理组织机构，明确数据治理岗位职责，明确数据的归属权、使用权、管理权。建立良好的沟通渠道，将数据治理与企业战略绑定，发挥高层领导的牵头作用，打造“一把手工程”。组织领导机制包含4个关键要素。

1、坚持数据确权

明确每个数据域的所有权，数据所有者对该域的数据质量负责，而不是应用系统或数据库的管理员。

2、坚持“一把手工程”。

数据治理必须获得高层领导的支持和深度参与，没有高层领导的支持，切勿启动数据治理计划。

3、坚持组织领导

数据治理委员会形式上可以虚拟（由兼职人员组成虚拟团队），但效能上不能虚设。数据治理组织机构对企业整体数据治理目标负责。数据治理需要提升到战略层面，需要建立起有效的数据治理组织体系，协调和解决重大事项，协调资源和资金的支持。

4、坚持业务部门与技术部门协同

根据数据管理工作的实际需要，业务部门和技术部门需要相互配合与协同。要让懂业务的人做业务定义的事，让他们成为所属数据标准的归口部门，让懂技术的人完成具体的业务实现，二者各司其职，各尽其能，逐步构建成熟、健全的标准化体系规范。

 

二、标准规范机制

 

数据治理是遵循一定的约束和规则，使数据能够规范化输入、标准化输出，而这里的约束和规则即数据的标准和数据管理的规范。

1、数据标准

数据标准是数据分析和应用集成的基础。企业的数据治理需要建立全面的数据标准，主要包括基础数据标准、主数据和参考数据标准、指标数据标准等。

广义的基础数据是包含主数据和参考数据的，指对企业运营和管理所产生和使用的、在不同部门、不同系统具有共同特征的基础性数据，例如主数据与参考数据、业务术语表、基础数据字典等。

指标数据是指为了满足企业内部管理及外部监管的需求，在基础性数据的基础上按照一定的计算和统计规则进行组合的业务信息，例如维度数据、指标数据、分类数据、标签数据等。

2、流程规范

数据治理应贯穿于数据的整个生命周期。流程规范是对数据从产生、处理、使用到销毁的整个生命周期的各阶段、各流程环节的控制和约束，用来确保数据质量和数据安全合规使用，例如数据需求管理流程、数据创建流程、数据变更流程、数据销毁流程。按照“垃圾进，垃圾出”的数据管理原则对相关业务流程进行优化和监管，以提升数据质量，赋能业务应用。

3、管理规范

数据治理管理规范即管理制度，类似于企业管理的规章制度，它告诉人们关于数据管理能做什么、不能做什么以及怎样做。管理规范会阐明数据治理的主要目标、相关工作人员、职责、决策权利和度量标准。管理规范与管理流程相辅相成。一般会在每个管理流程中设置管控点，明确每个管控点的管控目标、管控要素、标准规范和操作规程。常见的数据治理规范有数据填报规范、数据清洗规范、数据采集规范、数据运维规范等。

 

三、培训教育机制

 

企业数据治理的标准、制度和流程不应只是保存在硬盘上的文档，而应成为企业文化的一部分。要通过建立多层次、多形式、全方位的数据治理宣传和培训体系，将企业数据文化内化于心，加强企业全员对数据治理的认识，强化他们的数据思维及数据质量和数据安全意识。

1、建立分层培训机制

企业需要营造数据文化氛围，建立起企业对数据治理战略的共识，加强数据标准的宣传和培训，促进数据思想的传播。从集团总部到分子公司的各级数据所有者、数据管理员，都应分场景、分内容进行数据治理的宣贯和培训，以帮助企业相关人员建立对数字化思维的正确认知，了解数据治理的目标、价值和意义，了解数据治理的方法，熟悉数据治理的平台与工具，掌握数据标准化过程，开拓数据治理项目实施与落地的工作思路。

2、培训内容定制化

数据治理的培训内容是非常丰富的，包括数据治理的理论基础、成熟度框架、参考模型、实施方法，数据质量意识培训，数据标准的宣贯，数据治理制度和流程的宣贯等。另外，数据治理涉及的范围很广，主要包括：元数据管理、数据标准管理、主数据管理、数据质量、数据集成等专题领域。不是每个人都需要掌握所有的数据治理知识和技术，应针对不同角色的人员定制不同的培训内容。数据治理培训既要培养全员的数据思维，也要兼顾专业人员的“术业有专攻”。

3、培训形式多样化

数据治理培训不限于形式，可以是集中化的“培训+考核”的正式培养模式，也可以是一场进行数据治理理念和思路碰撞的沙龙。通过数据治理培训，帮助企业人员建立数据驱动的思维模式，触及信息化建设中的深层问题，从根本上推动业务流程的衔接、业务规则与数据标准的统一，完善系统建设需求，指导系统集成与逻辑集中，促进数据驱动业务、数据驱动管理，提升数据价值。

 

四、人才培养机制

 

与数据应用、数据分析项目不同，数据治理是个“苦活累活”。业务术语表、数据模型、数据标准、数据治理的流程和策略都需要根据业务的变化而不断优化，数据本身也需要反复打磨（汇聚、清洗、处理、加工、分析、挖掘）才能产生高价值的信息和知识。这一切都需要具有工匠精神的数字化人才的智慧和付出。

1、挖掘内部数据工匠

所谓的“数据工匠”就是在数据管理和使用的全生命周期中，严格执行企业制定的数据标准，对数据质量精益求精的人员。数据工匠能够专注于数据管理的痛点和难点，发现产生数据问题的原因，从源头上杜绝数据问题的发生。数据工匠敢于拥抱新技术，能够通过对数据和技术的融合应用，不断为企业创造价值。

数据工匠不一定来自IT部门，有很多是业务岗上具备以上特质的数字化人才，企业需要有一双发掘数据工匠的眼睛。

2、吸收外部新鲜血液

数据治理离不开数字化人才，企业要实现数字化转型，就需要引入外部的数字化人才。坚持数字化转型战略，合理设置数字化岗位，给人才以发挥其专业能力的空间，建立具有竞争力的薪资体系以及持续的激励和约束机制，不断吸引并留住人才。

加强对“新人”的培养，让“新人”能够快速认同企业的价值观，融入企业文化。文化上的水土不服往往是导致“新人”流失的一个主要原因。

 

五、绩效考核机制

 

数据治理既要严抓过程，更要注重结果。为了提高数据治理执行效率，有必要建立数据治理绩效考评机制，检验数据治理各个环节的效果。绩效考评是数据治理制度有效推进和落实的根本，要建立相应的数据治理考核办法，并关联组织及个人绩效。

1、治理制度

为提高企业的数据管理和应用能力，加强数据管理，明确数据管理和使用过程的职责和要求，需要制定企业的数据治理制度，阐明企业数据治理的目标，明确相关人员和组织的职责，确定决策权力和度量标准。数据治理制度包括数据标准管理、数据维护管理、数据质量管理、数据安全管理、数据传输、数据使用、数据管理考核等。

2、考核机制

考核是保障制度落实的根本，要建立明确的考核制度。在实际操作中可根据企业的具体情况，建立数据治理评估指标体系，明确考核办法。要遵循客观公正、公开透明的原则，采用日常考核和定期考核相结合、系统自动考核和人工考核相结合的模式，明确考核奖惩措施，强化数据治理考核机制。

3、考核方式

数据治理的考核方式可分为日常录入考核和定期稽查考核两种。日常录入考核考查的是数据录入是否规范，数据提报是否及时，数据是否完整、正确、一致，其目的是在源头堵住不良数据的入口。定期稽查考核是由数据管理部门定期开展数据质量的稽查，通过制定数据质量稽查规则，明确数据稽查内容和稽查周期，通过数据质量管理工具定期对相关主题的数据进行全面稽查，形成数据质量报告，为数据治理考核提供参考依据。

 

六、持续优化机制

 

企业业务会变化，如业务目标、策略、范围、规则、实现方式等的变化；组织结构会调整；管理者会有更高的要求，如提升效率、降低成本、提升质量等。数据治理涉及的数据标准、管理流程、管理制度以及使用的技术和工具需要紧跟企业业务的发展动态调整，持续优化。

1、业务需求驱动

任何一套方法论、一套健全的标准规范都需要有持续的驱动力，数据治理的实施应以企业的业务需求为驱动，以构建数字化企业为导向。数据治理治理的不是数据本身而是数据资产，这一过程以业务目标为导向，当业务方向发生变化时，数据治理也要跟着改变。

2、持续完善标准规范体系

纵观数据治理成功的企业，无一不是以“小步快跑，循环迭代”的策略推进的，没有哪一家企业的数据治理能够一步到位。企业数据治理应遵循“急用先行，循序渐进”的原则，过程中不断改进和完善数据治理的标准规范体系，使其切实符合企业自身业务特点并且可落地、可执行。

3、持续优化业务流程企业数据主要源自人力资源管理、供应链管理、生产管理、营销管理、财务管理等生产经营活动。优化的业务流程、规范的业务操作为数据治理提供了一个可靠的环境，能够促进数据质量的提升。

●业务流程标准化：标准化的业务流程是以流程（而非部门）为中心，强调企业战略和业务整体性，强调全过程管理和业务部门协同。标准化的业务流程能打破部门界限，实现跨部门协同，关注整体和全局，其输出的数据更加标准规范。

●业务操作规范化：业务操作规范化是指业务操作基于一定的基准，例如：数据基准，如计量单位、术语、符号标志、信息分类、编码及专用基础标准；技术标准，如产品标准、原材料标准、工艺标准、设备标准等；标准规范化，如标准体系（ISO、GJB等）。业务操作规范化是数据质量提升的重要保证。

 

写在最后的话

 

企业推动数据治理应以业务目标为导向，以数据标准为基础，以优化流程为关键，以技术创新为支撑，以组织制度为保障，明确数据治理的业务目标和治理范围，并进一步完善数据治理的长效机制，使业务流程持续优化、数据标准迭代更新，确保数据治理机制的持续、有效运转，充分发挥治理体系的效能，从而释放数据成效，实现业务价值。

要谨记，企业数据治理绝对不是一蹴而就的，需要建立起长效的运营机制，培养一批具有工匠精神的数字化人才，不断打磨数据标准和数据质量。只有将数据治理变成一种机制、一种文化、一种习惯，才能达到企业数据治理的“标本同治”“长治久安”的目标。