作为信息化老兵，在三十年的工作经历中，感觉最无力的就是辛辛苦苦建设的信息系统，最终沦为了花架子，成了领导检查时的演示系统，因为里面的数据不准确、不真实，无法给各级领导决策时起到支撑作用。这种无力感，随着这几年企业形势越来越严峻，经营越来越困难，钱越来越不好挣，数字化转型推进越来越艰难，眼睁睁地看着这些系统无法发挥作用却无能为力，越感觉深刻。

数据不准确，不是信息系统的问题，是有着复杂的原因，信息系统只不过是把问题摆在了桌面上，显性化了，而问题本身并没有解决。要想解决这个深层次的问题，就必须开展数据治理。

“醉翁之意不在酒，在乎山水之间也。”数据准确性、及时性的问题不在数据本身，而在数据产生、管理、使用背后的一系列问题，所以数据治理是比较困难的，因为它不仅仅是个技术问题，而是涉及到技术、流程、组织、文化等一系列的问题。要想把数据治理好，在企业经营管理中发挥作用，真正成为企业的资产，就必须用中医的办法，综合施治，群策群力。

老规矩，从三个方面来探讨这个问题：一是什么是数据治理;二是数据治理的难点;三是数据治理有没有什么好办法。

先说第一个，什么是数据治理?

按照有关权威的说法，数据治理是指在一定的组织范围内，依托制度法规、标准规范、应用实践和支撑技术对数据进行全生命周期的数据确权、质量管理、安全控制、隐私保护、开放共享、交易流通和分析处理。

这个定义有些拗口，相较之下，国际数据治理研究所(DGI)给出的定义，就比较通俗易懂：数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行，该模型描述了谁(Who)能根据什么信息，在什么时间(When)和情况(Where)下，用什么方法(How)，采取什么行动(What)。

数据治理与数据管理有联系，也有所区别。数据管理涵盖了从数据采集到处理、保护、存储和利用的整个数据生命周期。数据治理是数据管理中的一个组成部分，专注于制定策略和规则，以确保数据的质量、安全性和合规性。而数据管理不仅包括这些治理活动，还涉及实际执行和操作层面的任务，如数据处理、数据存储、数据安全、数据架构设计等。

第二个，数据治理的难点是什么?

数据治理之所以被普遍认为“很难”，主要体现在以下几个方面：

一是跨部门协作与组织变革的阻力。数据通常分散在不同部门、不同系统中，各自为政。打破壁垒，实现跨部门的数据共享和协作，需要强大的政治意愿和组织推动力。很多企业的数据所有权、管理责任、使用权限、利益分配等界定模糊，导致互相推诿或争夺控制权。另外，改变现有工作流程、增加数据管理负担、挑战部门或个人“领地”会遭遇阻力。员工可能不理解、不认同或缺乏动力参与数据治理。同时，坦率地说， 数据治理是长期投入、见效相对慢的工作。缺乏高层的持续、有力支持和资源投入，极易夭折或流于形式。

二是技术的复杂性。每个企业，仔细梳理下，就会发现，各式各样的数据不仅量大，而且，种类多，海量结构化、半结构化、非结构化数据从不同源头高速涌入，治理难度指数级增加。与此同时，数据质量低下，数据不准确、不一致、不完整、过时、重复等问题普遍存在，提升数据质量需要持续的投入和复杂的流程。如何能够有效管理数据的定义、来源、血缘关系、质量规则等元数据，本身就是一个庞大复杂的工程。

三是流程定义与持续执行。一般的企业，都缺乏标准化的数据采集、存储、处理、访问、使用、归档、销毁等流程和标准。有些即便制定了流程，如何将其嵌入到日常业务操作中，确保员工遵守，并有效监控执行情况，也是个巨大的挑战。

四是人员技能与文化塑造。一般企业，都缺乏既懂业务、又懂数据、还懂治理技术的复合型人才，对数据价值、数据风险和数据管理基本知识的认知和理解都很浅薄。“数据是核心资产”、“数据质量人人有责”、“数据驱动决策”等数据文化的建立还需要长期不懈的努力。

第三，数据治理有什么好办法?

数据治理是一个系统性工程，要从组织、流程、技术、文化多维度推进，以业务价值为导向，先解决主数据不一致等痛点，再逐步构建体系化能力。

首先，开展基础治理。开展数据标准化治理，建立数据字典，明确字段名称、类型、格式等，再将将业务口的“语言”进行统一，比如，在描述“活跃用户”的时候，各个业务口的理解是不一样的，这样的描述就比较模糊，容易产生歧义，如果改成“近30天登录用户”就比较规范，能做到思想统一。

其次，要提高数据的质量。将数据采集的质量纳入员工考核，建立数据的全生命周期追责机制，对数据进行清晰、校验。

第三，制定数据标准。统一数据的定义、格式和编码，建立安全规范，明确哪些数据能访问、谁能访问、怎么访问。制定质量规则，规定数据必须准确、完整、及时。

第四，持续推进。数据治理是以支撑组织战略和长远发展为目标，应当不断吸收新的数据来源，持续追踪数据问题并不断改进，所以数据治理工作不应当是一锤子买卖，应当建立长效的数据改进机制。

第五，选择合适的工具。目前，市面上的元数据管理工具、数据质量管理工具、主数据管理工具、综合数据治理平台等很多，有些还是开源的。不要盲目跟风，“适合的才是最好的”，要选择适合自己企业的工具。

总之，数据治理是一项长期工程，开展起来很难，长期坚持就更难了。但再难，也要开展，不进行数据治理，那些花了大价钱建设的应用系统就成了花架子、摆设，用不好，就得不偿失。