如何構建企業級數據治理體系？

編輯導讀：數據治理是指企業的數據架構、數據標準、數據質量、數據安全等領域的建設和管理的全流程。作為一個數據工作者，無論公司數據體量大或小，都應該具備數據治理的能力。本文從自身經驗出發，分析如何構建企業級數據治理體系，希望對你有幫助。

通常我在做數據架構的時候，都會在旁邊加一個“數據治理”。但是吧，大多數時候都只是寫寫而已。因為這個數據治理太費勁了，短期內吃力不討好，長期才能見效，但是又不足為外人道也。就像是好媳婦把家里拾掇的干干凈凈利利索索的，外人看來，最多夸一句“家里真干凈”，卻不會說你這是大才，

上圖是數據架構示例，數據治理是其中非常重要的一部分，它的意義決定了上層應用的可用性，甚至決定了項目的成敗。很多數據項目建完之后，老板都有一個非常顯著的感覺：花幾十萬建的系統，還沒有秘書好用。這是為啥呢？

一、“數據治理”到底有什么用？

一句話解釋：“數據治理”往大了說，是進行企業的數據架構、數據標準、數據質量、數據安全等領域的建設和管理的全流程；往小了說，是在數據管理和使用層面之上進行規劃、監督和控制。

嗯，你理解的沒錯，通常在數據體量較大的公司，數據治理才會被提上桌面。但是作為一個數據工作者，我認為無論你有多少數據–哪怕只是記手賬–都需要進行數據治理。一個追求完美的數據工作者，應該要有數據潔癖。

二、“數據治理”應該做什么？

其實絕大多數事情，早已經有無數人在研究，也有很多的研究成果，稍微收集一下就會有很多很多的資料，

目前大陸外數據治理的理論及規范：

國外：

• CWM 1.1
• MOF
• DAMA- DMBok
• DMM

大陸：

• DMCM
• DCMM

在數據質量國家標準《GB/T 36073-2018》數據管理能力成熟度評估模型中定義，應該從數據戰略、數據治理、數據架構、數據標準、數據生命周期、數據應用、數據質量、數據安全等八大方面進行評估，

在《DAMA-DMBOK職能框架》中，定義了10個主要的數據管理職能：

這兩張圖可以貼到你的ppt里面去，讓你的領導看看數據治理是一個多么龐大的體系，

三、“數據治理”應該怎么做？

偷偷告訴你一個小技巧，有一個大帽子蓋在前面，就方便咱做事，這招屢試不靈。

前面兩張圖，給你提供了一個巨大的帽子，但是怎么落實呢？這就可大可小，隨心控制了，

我再給你扔一張圖：

如果，你的公司啥都沒有，就幾個數據工程師，老板說要建數據中臺，那么你有兩種選擇：離職；堅持，一定要堅持，堅持看完整個項目的失敗，這樣你就能經歷一個完整的失敗案例。

扯回來。如果公司要讓你做數據治理、數據管理、數據戰略等事情，你就照著上面的表格去寫就好了。

第一階段：其實就是各種規劃

• 首要的事情肯定是組織保障，啥話不說，先招幾十號人來，人越多，你的位置越穩（來自于互聯網摸魚大法，笑^_^）；
• 然后是各種流程、標準、制度建設，數據安全管理制度、數據處理流程、數據提取流程、元數據標準、主數據標準等。
• 還有各種摸底，數據資源梳理、數據需求梳理等等，

第二階段：其實就是各種建設

• 根據元數據標準、主數據標準，建設元數據、主數據
• 根據數據處理流程、數據提取流程、數據需求梳理結果，建設各種固定報表、即席查詢等內容
• 根據數據資源梳理結果，進行數倉的規劃和建設

第三階段：其實就是上各種平臺

• 建設數據地圖、血緣分析、數據資產目錄等，將數據資產化
• 進行數據開放，進行各種AI探索
• 其實上面的建完了，基本上能打通的也都打通了，能統一的也都統一了，再加上一些統一管控的服務，數據中臺也就差不多順理成章，做好了

四、數據治理能不能一步到位？

看你是從哪一步開始走了，

如果你公司有成建制的數據團隊，早就已經拉平認知、統一定義，流程規范，制度嚴謹，技術先進，投入有保障，那沒問題，只要稍微組織一下相關知識的學習，做個半年規劃，投入人力物力，肯定一步到位，

如果你公司就3、5個數據工程師，那么你有兩個選擇，離職；堅持看完整個項目的失敗。對了，上面好像講過了。

你問我為啥這么肯定？因為我經歷過~~

地基不穩，無異于泥塘之中起高樓，能做起來簡直是奇跡！

五、數據治理全景圖

好了，最后放一張數據治理全景圖，鎮樓！

作者：大數據架構師，國藥國華大數據總監，擅長BI、數倉、數據中臺產品規劃領域，公眾號：大數據架構師

本文由 @大數據架構師 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于 CC0協議

(責任編輯：王倩楠_NBJS12706)