再谈：数据治理的长效运营机制！

企业数据治理是一项连续性的工作，需要有长效运营的机制来支撑，不断巩固和加强数据治理效能，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。

— 01 —

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。

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。

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。

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。

— 02 —

标准规范机制

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。

— 03 —

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。

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。

— 04 —

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。

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。

— 05 —

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。

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。

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。

— 06 —

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。

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。

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。

• 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。

(欢迎大家加入数据工匠知识星球获取更多资讯。)

了解更多精彩内容

长按，识别二维码，关注我们吧！

数据工匠俱乐部

微信号：zgsjgjjlb

专注数据治理，推动大数据发展。