数据治理工作中常犯的8个错误

相信所有 CIO 都明白一个道理，数据治理失败会给企业带来重大损失，不仅时间、精力、财产会受到损失，品牌名誉度也会有所下降，甚至还可能带来法律方面的风险。所以，当企业下决心开展数据治理工作时，如何制定一个切实有效、科学强大的数据治理策略，才能更好地将数据作为企业的宝贵资产应用于业务、管理、战略决策中，从而发挥数据资产的价值呢？这是企业数字化转型过程中必修的一个课题。

随着各大企业对数据重视程度的不断增加，市面上的解决方案渐趋成熟，治理技术也越发先进。但不幸的是，仍有很多IT从业者因为各种原因马失前蹄，陷入数据治理失败的泥潭中，无法自拔。

基于工作实践中的经验和体会，本文总结了数据治理工作中，人们常犯的8个错误，希望能对从业者今后的数据治理工作产生借鉴意义。

一、缺乏明确的目标

1、目标宽泛不聚焦，不考虑目标能否实现、如何衡量。例如：目标就是解决企业的所有数据质量问题。

2、目标短视，急于开始工作而不考虑长远规划，无法形成一套持续治理的机制，最终有可能导致数据治理的返工，发生资源浪费。例如：相关人员对数据质量目标的定义和理解没有达成共识，存在分歧的情况下就开始实施治理。

3、目标不与业务挂钩，只从技术角度考虑治理方法，最终在业务应用层面水土不服，难以给公司带来实际效益，可以说是为了治理而治理。

二、将数据治理视为一次性技术项目

1、将数据治理视为一次性项目，认为通过项目实施，数据质量会在一夜之间得到改善；认为只需要一次性处理当前数据问题，不需要制定数据标准、建立持续机制。

数据治理的最终目标是提升数据价值，是一个持续漫长的运营过程，需要逐步完善、分步迭代，指望一步到位完成数据治理是不现实的。项目型的数据治理，是不全面的、无延续性的，就算能解决一时的数据问题，也很难获得持续的数据价值，效果注定差强人意。

2、将数据治理视作纯粹技术性项目，认为数据治理策略和数据质量处理措施不需要和相关部门达成一致。

数据治理不是一个短期的、一成不变的技术项目，而是对企业长远发展有所裨益的顶层规划。与数据治理相关的策略制定，需要配合企业发展审慎调整、需要相关部门协同合作。如果持续进行“孤立式治理”，最终很有可能对企业业务的正常发展造成阻碍，导致各个部门不得不靠自己的力量，自行解决。

三、高层管理者关注不足、与业务部门沟通不畅

1、高层管理者仅仅贯宣口号，或权威性领导力不足，最终没有形成相应的实际行动和政策、数据部门不能被完全赋权、不能推动数据治理目标与业务绩效进行绑定······于是，各部门在实际执行中依然我行我素，遇到强势业务只能开绿灯，导致数据治理策略形同虚设。

2、业务部门不理解、不配合，认为数据治理只会增加他们额外的工作量，并对业务造成了一定的约束，对其业务绩效没有产生帮助和价值。

数据治理是一个属于企业范围内的整体计划。在规划之初，就应该与业务部门提前沟通，达成一致意见，以免出现方向性的错误。

数据治理不应该被视为 IT 部门的“宠儿”，取得公司领导层以及整个业务部门的认可，同样重要。为了确保数据治理工作的可扩展性和可持续性发展，CIO在提出数据治理规划前，就应该明确业务目标，看重价值成果，关注生产力能力提升。

四、未能将数据真正的所有人纳入数据治理流程

很多数据治理项目最终失败，最大的失误是没有把真正的数据所有人拉入项目，并取得他们的认可和支持。要知道，要进行数据治理的企业或者组织，不一定拥有和使用这些数据，而只是充当数据管理员的作用。

比如，当数据的底层用户反馈系统操作不便利、使用起来很麻烦时，必然会对数据治理的整体效果造成影响。所以，如何找到真正拥有或者使用数据的人，让他们对数据治理的计划和收益一目了然，是一个重大挑战。

数据治理是一个从上到下的工作，只有获得全链条的支持，最终才能取得成效。反之，如果期间有一方反对，那说明数据治理工作还有待继续改进。

五、不透明、不规范

1、数据治理工作的规则和系统不透明。比如制定的数据管理制度、管理流程不发布和公开，定义的数据标准不进行宣贯，相关干系人清不清楚这些规则不知道，数据治理的进度、成果不及时汇报······

这种不透明的工作方式，不仅会使相关人员对治理效果产生不解和疑惑，也容易掩盖问题，不利于治理工作顺利稳步推进。

有效的数据治理需要保持充分的透明度。项目的进展、工作成果、存在问题都需要及时让管理者看见，让业务部门看见，以增强他们对数据治理的信心。有问题不能藏着掖着，应及时暴露出来，及时解决。在数据层面，也需要更加透明，主数据和参考数据要做到公司范围内共享，数据资产、数据血缘要尽量可视化，要让数据看得见、找得到、用得好。

2、数据治理工作不规范。

将数据保护影响评估（GDPR）与隐私影响评估(PIA)结合，是了解、收集和使用数据的最有效手段，也是将数据处理相关的人员、内容、时间、地点、原因和方式关联起来的最佳方法。

一些没有按照DPIA/PIA的要求来处理数据的企业，会失去数据保护能力，还会因使用未经授权的数据而处于不利地位，包括会遭遇严厉的监管处罚。

六、没有足够的底层技术能力

许多 IT 领导者常常会犯一个严重的错误，那就是在没有底层技术支撑能力前提下，引入数据治理策略。

如果你将本地集中式架构的数据，迁移到一个云平台，却没有云平台管理能力，那么业务团队不得不自己想办法，以自己的方式管理数据。显然，如果没有最好充分准备，冒然让数据上云，会让数据治理团队处于被动地位。

相反，如果我们在决定进行数据治理之前，就制定一个完整策略，让大家在同一个规划下，通过有效的工具和平台来管理和使用数据，那一定会取得事半功倍的效果。

七、没有建立全面的培训体系

如果没有相关的政策指导，进一步完善和巩固数据治理成果，鼓励员工使用新的数据共享平台，最终数据治理工作还是会走向失败。

如果在数据管理平台上线前，所有相关员工都能接受不同形式的培训，就能最大程度上避免员工在无意间使用未经授权的数据或者应用。

数据管理团队在对特定的信息进行标准化之前，也要尽量听取员工的意见，了解他们的需求，确定哪些信息或者哪些协作工具更重要。另外，还要通过使用有效工具，控制敏感信息的泄露，最大化确保数据安全。

八、未指定项目责任人、权责不明

1、谁有数据的拥有权，谁有数据的使用权，谁有数据的管理权等职责没有清晰的定义，号称人人都对数据质量负责，但实际上数据管理十分混乱，真正出现问题后相互推诿，没有人愿意负责。

2、没有建立明确的数据确权和问责机制，出现数据问题后不知道谁负责，只能多方协调，导致项目实施速度变慢，许多质量问题难以得到解决。

在制定数据治理策略时，应指定具体的项目责任人，并且这位负责人要与业务高层深度沟通、相互配合，最终共同敲定方案。

同时，负责数据治理的主管，还应该与IT部门以及公司高层管理团队，定期召开会议，不断优化和调整数据治理方案。

总之，数据治理策略非常重要，需要精心设计。如果没有统一规划，每个业务单元都开发自己的业务系统，最终就失去了数据治理的意义。尤其是随着时间的推移，应用越来越多，数据量越来越大，如果数据的格式都不统一，那后期的管理肯定越来越复杂。（山东中翰软件有限公司）