数据治理：以终为始，审慎开展数据运维工作

导读：唯物主义认为，事物的发展是呈螺旋形上升的。列宁曾经说过，“发展似乎是在重复以往的阶段，但它是以另一种方式重复，是在更高的基础上重复。”对于企业来说，数据治理工作一旦开始，就会随着企业存续发展下去，通过巩固数据治理成果和周期性“自我”完善突破，对企业数据质量产生悠久深远的影响。数据治理项目实施的完成不是终点，而是数据运维工作的起点。

一、数据运维工作概述

总的来看，企业数据治理工作过程大致可以分为以下四个部分：

第一步：统筹资源、评估规划，为数据治理项目的实施做好充分准备；

第二步：根据企业实际情况构建数据治理工作体系，制定数据管理制度和流程，建立可靠的数据治理组织团队，确保数据治理实施工作顺畅进行；

第三步：监督数据治理工作实施过程，对数据治理成果进行评估；

第四步：在运维工具的帮助下持续优化数据质量，当问题产生时，可承接数据治理思路，改进治理方案，重新进入数据治理工作流程，完成螺旋式上升的自我发展与革新。

其中，数据治理工作的第三步和第四步都属于数据运维工作的一部分。

数据运维工作是指数据治理项目结束后由企业数据管理团队自主开展的日常数据管理活动。顺畅的数据运维工作能够确保数据治理项目的成果得到巩固，保证企业数据质量。

数据运维工作包括三个方面：建立完善的数据运维架构，用好数据运维管理工具，形成全面的数据治理能力。

二、建立完备的数据运维架构

完善的数据治理架构可以高效地支撑数据运维管理工作，也是企业数据运维工作开展的前提之一。一个完善的数据运维管理架构包括：数据管理组织、数据管理制度、数据管理流程、数据治理知识体系和数据运维管理工具五部分，并且五者相辅相成密切协作，共同确保运维管理的畅通。企业数据运维管理架构。

如图1所示：

在多年实施数据治理项目的过程中，中翰始终致力于使数据质量问题得到解决，为此，我们逐步搭建了未来企业数据运维管理的架构。

其中，在数据治理项目实施的初期和中期规划并构建的“数据管理组织、数制度、流程”三部分是运维管理工作的制度基础，有了它们，运维管理工作才能有“章”可循、有“法”可依。

当然，不管是对数据运维架构的完善，还是对数据管理制度的修整，都需要在未来数据管理的过程中不断总结经验、实时调整，最终趋于完善。

三、用好数据运维管理工具

运维管理工具，是辅助数据管理人员开展日常运维工作的软件平台系统，配备在数据治理平台内。它是执行运维制度、流程的最有力保障，可有效管控日常数据质量。

使用运维管理工具可以完成两件重要的数据运维管理工作：一是协助开展数据管理体系的日常评估；二是执行数据质量的日常监测。以下结合中翰数据评估监测平台（DAM，数据运维管理工具，也称中翰数据保养平台，系中翰数据治理平台的组件之一）进行相关功能的介绍。

1．协助开展数据管理体系的日常评估

数据管理体系的日常评估，主要通过数据能力成熟度评估调查问卷完成。通过发放数据管理人员基于数据评估检测平台自行定义的在线调查问卷（如图2所示），可以充分了解当前数据管理体系能否满足企业数据使用需求，从而更好地开展数据管理体系的拓展和完善工作。

2．执行数据质量的日常监测

数据评估监测平台能够实时、定时检测数据质量，且具备自动评分、出具评估报告的功能，可通过可视化图表量化展示监测结果（如图3所示）。数据运维管理人员可以实时、直观、多角度了解到企业数据质量的状况及演变过程，以便及时发现问题并实时处理，真正做到把控数据质量。

四、收集、转移数据治理知识

项目结束后，企业要自主进行数据治理，需要具备全面的数据治理能力（如处理日常数据管理工作、修订/拓展/完善数据管理体系等）。

为此，必须注重对数据治理知识的收集和转移。

1．收集、转移数据治理项目知识

内容：项目调研、项目咨询过程中的成果文档，会议纪要、讨论意见等过程信息（包括图片、文档、视频等格式）。

2．收集、转移日常数据管理知识

内容：数据新增、变更的原因，数据模型新增、变更的原因，数据审批拒绝的原因，问题数据整改建议，数据管理体系整改的建议及讨论等。

五、建立长效机制

企业的数据治理工作是持续的、动态的、螺旋式上升的，随着业务的发展，迭代和优化的脚步永不停歇。

为此，除制度、工具、知识支持外，还可根据企业需求和实际情况建立一些长效的运营机制，使企业上下形成数据治理思维、意识和习惯，从而帮助企业更好地把握相关人员、技术和资源，推动数据治理效能不断巩固和增强。

（山东中翰软件有限公司）