导读：数据治理项目实施的结束并不意味着企业数据治理工作的结束，相反，这正是企业数据治理道路的起点。而“数据治理是否有效”这一主题，不应被作为企业集中考验咨询方是否充分履职的准绳，而应在企业建立数据治理体系制度并落地实行后，在日常数据治理工作积累中，用以自我考核与检验。授人以鱼，不如授人以渔。只有掌握了科学的考核评估方式，企业才能今后的发展道路中一步步自主发现问题并进行整治。数据质量的有效保障和数据价值的充分实现，将为企业在数字化海洋中的前行之路扬帆助航。

一、数据治理效果考核的必要性

对数据治理效果的评估和考核，是在企业内部有效推行数据治理规章制度和标准规范的必要环节。数据治理项目实施过后，相应的组织和制度都得到了建立，数据治理工作理应走上正轨。但是，企业上下是否真正将数据治理工作归为日常工作的一部分？数据知识和文化是否真正渗透到组织内部？

如果不科学制定相应的考核标准和制度，不体现出企业对数据治理的重视，对于上下通达路径较长的大型公司机构来说，日常数据治理工作难免流于形式，辛苦落成的数据治理成果也不好维持。

如果能对企业数据治理工作的组织人员、制度流程与重点环节执行科学有效的考核与评估，并关联问责、激励、整改等机制，企业上下就能够始终保持对数据治理工作的重视，相关的制度、标准和规范也能够更好地贯彻下去。

二、如何对数据治理效果进行考核

1、应秉持的态度

传统企业为谋求数字化转型而进行数据治理时，其内部的阻力往往是导致治理难以推进的重要原因之一。由于企业内部各方面利益关系比较复杂，要推动考核管理顺利落地，既要讲究相应的策略，也要坚持一定的态度。

中翰认为，在进行考核时，应坚持逐步推进、奖惩结合、公平透明、客观严格的态度。

● 逐步推进、奖惩结合，增加组织对考核体系的接受度：一方面帮助企业和缓过渡考核的施行，根据不同阶段的工作重点一步一步提升、调整考核标准，减少抵触畏难情绪；另一方面将问责和激励制度结合起来，不一味惩罚，对于能够积极践行考核制度的组织和人员给予适当奖励。

● 公平透明，客观严格，减少“拉帮派”、“走形式”行为：应该维护考核的公正性和客观性，将考核人员、内容、指标、方式、结果等信息公开透明展示，根据客观信息和科学方法实施考核。

2、明确考核对象

总体来说，数据治理效果考核就是对数据治理过程中的数据资产管理、数据质量控制、数据价值实现、数据安全管理的执行情况和有效性进行评估。对于以上内容的考核评估，可以落实到对相关的人员、组织、制度、流程、标准、技术的考核中去。

3、考核指标体系设计

要明确对数据治理的“效果”进行考核而非对数据治理的执行本身进行考核，应该将目光更多地专注在对“影响”的考量上。而要将数据治理产生的影响量化展示出来，并对它们进行评估考核，就必须先设置相应的目标。

目标的设置也需要使用可度量的方式。比如目标中参加培训的人数是多少，实际参加培训的人数是多少，所占的百分比为？

福格行为模型将达成目标的方式浓缩为明确目标——探索行为选项——匹配具体行为。在评估数据治理有效性时，也可以从企业想要达成的业务目标出发，探索要达成相应的目标会有怎样的量化表现，将其设置为考核指标，最后通过考核一一匹配比对。

理想的情况，是企业相关人员和组织对数据的重视程度提高，认知度提升，参与数据治理工作更频繁；数据质量问题减少；数据标准普及率提高；数据治理流程更科学合理；业务决策效率提高等。企业需要根据自身实际情况，合理设定目标，并将其拆分量化为可执行的考核指标。

4、设立考核机制

对数据治理效果开展考核的初期，考核结果与人员绩效的关联性也许并不强，难以引起足够的关注。想要切实推进对数据治理效果的考核，建立相应的问责和激励机制是必不可少的。不论奖惩，都应与人员绩效挂钩，且应注明细则，确保该机制在绩效方面具有充分的可操作性，以此提升人员的积极性。

同时，随着对数据治理效果的长期考核，指标设置不合理、考核方法不科学等问题也许会随着阶段性工作重心的改变而暴露出来，因此，设立相应的考核整改机制也是十分有必要的。