工业企业数据治理的八大误区—你误入几个？

工业企业，是指除政府、金融、保险、证券、电信等金融服务类外企业的统称。

当下，为了满足企业数字化转型要求，工业企业的数据治理工作如火如荼地进行中，各种方案、平台铺天盖地，导致本就不太了解实情的甲方管理者走进了一个接一个的误区，为工业企业的发展埋下了隐患。

编者作为在数据治理行业耕耘了20年之久的业内人士，有必要也有责任站出来指出一些较明显的误区，以便甲方领导者们参考。

1. 误区一：不明白数据治理的核心是什么

认为数据治理的核心就是基于数据仓库（湖）进行数据的采集、加工、计算、展示、服务以及应用等，殊不知数据质量才是确保数据应用、服务更加精准的基础。

2. 误区二：不明白数据治理工作的核心主体是谁

认为数据治理工作很重要，也很难，需要交给传统“大公司”才放心，顺便转移数据治理的风险。

首先所谓的大公司不一定数据治理方面很专业，也没有多少人在研究数据治理方面的理念和方案，另外，数据治理工作是以企业自己为核心的，尤其是在数据治理项目后的日常管理过程中，企业的数据管理人员（含IT和业务部门的相关人员）都需要具备自主的数据管理能力（不只是数据平台的操作能力），以便更好的完善、延续数据治理的成果，而乙方（包含所谓的大公司等）只是进行相应的技术支撑。

3. 误区三：依然停留在传统主数据管理思维

充分认识到工业企业中的物资（含设备、备品备件）数据质量非常难，但不知道如何才能真正全面、彻底的解决数据质量，认为只需要解决了主数据或者编码数据的质量问题就可以了。殊不知数据质量不只是存在于主数据层面，更大部分（约90%）是存在于业务场景数据层面。

4. 误区四：对数据质量理解不深刻

认为数据质量是企业永远无法克服的难题，简单处理下就可以了，不愿意去从源头底层解决数据质量问题，只是不断的头疼医头、脚疼医脚的逻辑开展着相关工作，或者是为了数据分析而简单解决质量问题。

认为数据质量只要有相关的软件工具实施了就可以了，始终侥幸心理的认为数据质量已经治理过了，殊不知根本没有深层次（只是浅层次）的解决过数据质量问题。

认为数据质量的衰退是理所当然，从不考虑防止数据质量衰退的可持续性方案。

5. 误区五：数据中台就是数据治理的全部

还在迷信数据中台是万能的，一心向往搭建中台机制，没有考虑企业自身所处的信息化阶段以及企业行业、规模是否适合。并且坚信数据中台就要一步到位，殊不知3-5年逐步构建的数据中台机制才最稳固、可靠。

另外，数据中台解决工业企业数据质量的能力已经被充分证明了非常弱，主要是工业企业的物资数据质量太复杂（金融、政府类单位没有物资数据，通过中台的算法解决数据质量可行）。

6. 误区六：各厂商数据治理平台功能都差不多

认为各厂商的数据治理工具没有区别，主要是从功能菜单的名称上区分，只要菜单功能名称一致就断定功能一样。甚至是曲解了DAMA、DCMM的原意而认为数据治理平台应该包括如数据标准管理、数据模型管理、主数据管理、元数据管理、数据质量管理、数据安全管理、数据集成管理、数据生命周期管理等，殊不知上面这些内容完全是针对企业数据管理能力评判的维度，直接做成了平台的功能，确实有点直白了哈。

7. 误区七：只有商务层面的选型，不重视功能验证

认为各厂商数据治理平台的功能都差不多，不知道如何去做相关的功能验证，因此项目前期沟通以及招标时只简单听从各厂商的介绍就下结论，导致选择的结果很难达到理想状态。

8. 误区八：数据治理完全依靠技术

目前发起数据治理的多是IT部门，导致很多领导误认为数据治理工作是技术部门的工作，同时也认为通过相关的技术手段可以解决数据管理中的相关问题（如数据质量、数据安全以及数据应用服务）。殊不知数据治理工作的核心是业务部门的人员，IT人员及相关技术只是相关工作的支持。（山东中翰软件有限公司）