从我们过往的不少企业项目中，发现数据质量是最参差不齐的，究其原因，质量较佳企业的基本都有数据治理的项目，我们也通常建议数据质量欠佳的企业，先从数据治理(Data Governance) 开始，我们编写本博文方便大家认识数据治理， 文章由以下三个部分组成：

• 什么是数据治理
• 为什么数据治理很重要
• 有哪些数据治理最佳实践可参考

什么是数据治理？

数据治理包括管理和保护公司数据资产所需的人员，流程和技术，以保证普遍理解，正确，完整，可信赖，安全和可发现的公司数据。按数据治理的权威机构DAMA的方法，数据治理如下图所示的11部分组成：

数据治理的核心是建立方法，以及建立一个具有明确职责和流程以标准化，集成，保护和存储公司数据的组织。数据治理的主要目标是：

• 降低风险
• 建立数据使用内部规则
• 实施合规要求
• 改善内部和外部沟通
• 增加数据价值
• 方便上述管理
• 降低成本
• 通过风险管理和优化来帮助确保公司的持续生存

为什么数据治理很重要？

数据治理计划持续影响企业的战略，战术和运营水平（如下图所示）。为了在公司范围内并与其他数据项目协调有效地组织和使用数据，必须将数据治理程序视为一个持续的迭代过程。

数据治理是众多任务或项目的先决条件，并具有许多明显的好处：

•整个组织中一致，统一的数据和流程是获得更好，更全面的决策支持的前提。
•通过用于更改流程和数据的清晰规则，在技术，业务和组织级别提高IT领域的可伸缩性；
•中央控制机制具有优化数据管理成本的潜力（在数据集爆炸时代，这一点越来越重要）；
•通过使用协同作用（例如，通过重用流程和数据）提高效率；
•通过质量保证和认证的数据以及数据流程的完整记录，对数据具有更高的信心；
•达到合规准则，例如巴塞尔协议III和偿付能力II；
•通过监视和查看隐私策略来保护内部和外部数据；
•通过减少冗长的协调流程（例如，通过清晰的需求管理）来提高流程效率；
•通过标准化进行清晰透明的沟通。这是企业范围内以数据为中心的计划的前提；
•此外，每个数据治理计划的特殊性质也带来了特殊的好处。

数据治理对于企业保持响应能力至关重要，在后疫情时代，这一点比以往任何时候都显得重要。当前大中型企业推动数据质量的主要驱动因素有：

•建立以数据为中心的视图以支持数字业务模型
•企业范围的数据质量和主数据管理
•大数据环境中的数据可管理性
•制定标准以增强对外部影响（例如并购）的反应能力
•自助式的业务分析：用户希望能够独立于IT部门进行分析
•合规性：透明且易于理解的数据流程，以符合法律要求

数据治理如何入手？

数据治理的相关性显而易见。尽管如此，尽管具有优势，但许多公司还是害怕实施数据治理程序，这可能是由于假定的复杂性或总体不确定性。

实施数据治理计划绝非易事， 我们发现数据治理项目实施往往有这些主要障碍：

• 组织

数据治理需要一种开放的企业文化，例如，可以实施组织变更，即使这仅意味着命名角色和分配职责。结果，数据治理成为一个政治问题，因为这最终意味着分配，授予和撤消责任与能力。这里需要一种敏感的方法。

• 接受与沟通

数据治理需要通过合适的员工在正确的地方通过各方之间的有效通信来接受。项目经理尤其需要了解技术和业务方面的术语，术语，最好是公司的总体概念图。

• 预算和利益相关者

通常仍然很难说服组织中的利益相关者对数据治理计划的需求并获得预算。另外，变更通常会因根深蒂固而受到阻碍，但是业务部门中不直接可见的资源可以弥补正常运行的过程和信息处理中的不足。

• 标准化和灵活性

企业需要灵活应对快速变化的需求。但是，至关重要的是，要根据每个公司的业务需求在灵活性和数据治理标准之间寻求适当的平衡。

数据治理虽然不易， 但对于不断快速变化的商业环境， 变革始终是企业持续生存发展的动力， 高质量地实施数据质量，从企业长远来说，仍然是属于本小利大的投入，而且随着国外数据治理的不断实践，行之有效的数据治理框架可以方便借鉴，加上专业的顾问团队，从数据治理入手，推进企业的转型变革是一个上佳的成功之路。