数据治理治什么？
？在哪治？
？怎么治
？？？？

  今天我们来探讨一下关于数据治理的灵魂三问：

  1、、数据治理治什么，，治的是数据吗？
？？

  2、、、数据治理在哪里治
，，，中台还是后台？？

  3、、、
、数据治理到底怎么治？
？？

  一
、、
、、数据治理治的是“数据”吗？？

  数据是指对客观事件进行记录并可以鉴别的符号
，，是对客观事物的性质、、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。。。。其实在我看来，，，，数据可以分为两个部分，
，，，一是数字，，二是文字。。数字是没有意义的抽象符号，，，数据是有意义的数字
。。文字表意，，，数字表量，
，当两者结合起来，，，，数据就产生了。。。。

  在我们的生活和工作当中，，，，数据无处不在。。。对企业来讲，，，，有很多数据是无关企业重大利益的数据，，是没有治理的必要的。。。数据治理的对象必须是重要的数据资源，
，是关乎企业重大商业利益的数据资源，，这样的数据资源可以称其为“数据资产”。。。正如北大教授王汉生先生所说：“数据治理不是对“数据”的治理，，而是对“数据资产”的治理
，，，是对数据资产所有相关方利益的协调与规范。。”

  我们需要分开来理解这句话：

  ①什么是数据资产？？？

  ②数据资产的相关利益方是谁？？？？

  ③协调与规范什么
？？

  先说一说什么是数据资产。。
。我们说不是所有数据都是数据资产，，那到底什么才是数据资产呢？？

  《企业会计准则-基本准则》第20条规定
：“资产是指企业过去的交易或者事项形成的、、、由企业拥有或者控制的、、、预期会给企业带来经济利益的资源。。。” 如果照猫画虎修改一下
，，，不难获得一个关于数据资产的定义：“数据资产是指企业过去的交易或者事项形成的，，由企业拥有或者控制的
，，预期会给企业带来经济利益的数据资源。
。。”由此可见，
，，数据要成为数据资产，
，，，至少要满足3个核心必要条件：

  ①数据资产应该是企业的交易或者事项形成的
；

  ②企业拥有或者控制；

  ③预期会给企业带来经济利益。。。

  数据资产的利益相关方是谁
？？？
？

  根据数据资产的定义，
，数据资产的利益相关方
，
，，包括：

  ①数据的生产者
，，，
，即通过业务交易或事项产生数据的人或组织。。。。

  ②数据的拥有或控制者，，生产数据的人不一定是拥有数据，，，，就像我们天天上网的各种数据都不归我们自己所有，，而是落在了各个互联网公司的数据库中。。
。。

  ③数据价值和经济利益的收益者。。。。数据治理就是对数据生产者、、、拥有或控制者，，数据价值获益者的规范和协调。
。

  都什么是需要协调和规范？？

  首先是数据的标准化
，，，定义统一的数据标准
，
，，，“写中国字、、说普通话”让数据资产的相关利益方在同一个“频道”沟通。。。。数据的标准化包含几个层面
：①数据模型标准化。。。②核心数据实体的标准化（主数据的标准化）。。
。③关键指标的标准化。。

  其次是数据的确权。
。
。。数据一旦成为资产，，
，，就一定有拥有方，，，或者实际控制人，，，可以把他们统称产权人。
。与实物不同的是，，，
，实物的产权是比较明确的，，
，
，数据则比较复杂。。。。产品在生产制造过程中，，，并没有与消费者交易之前，
，，制造商拥有完全产权。。。产品生产出来后，，，，消费者通过购买支付相应的货币，，便拥有了产品的产权。。。而数据的生产过程就不一样了，，
，我们的各种上网行为每天都会产生大量的数据
，，例如：网上购物、、浏览网页、、、、使用地图、
、
、
、评论/评价……。。这些数据到底归谁所有
？？？控制权该如何治理
？？这是摆在面前的一个难题！！我们看到近几年一些不良商家，，，利用我们的上网数据，，，导致安全隐私泄密的事件也层出不穷。
。。。希望随着技术和商业的进步，，，尽快能够找到解决方案
！！
！

  第三是流程的优化。。数据治理的两个目标
：一个是提质量，，一个是控安全。。。互联网数据的确权目前已经是一个世界级难题，
，做好企业业务流程的优化可能会对隐私保护起到一定的作用。。。。通过业务流程优化
，，，，规范数据从产生
、、
、
、处理
、、使用到销毁的整个生命周期，，
，使得数据在各阶段、
、、各流程环节安全可控
，，，，合规使用。。另外，，通过一定的流程优化，，，通过对相关流程进行监管，
，，，按照数据的质量规则进行数据校验，，符合“垃圾进
、、、、垃圾出”的数据采集、、
、处理、、、存储原则，，提升数据治理，，，赋能业务应用。。。

  二
、
、数据治理到底在哪里治？？？？

  关于数据中台到底应该在中台治理还是应该在后台治理，，，这个话题在笔者所在的数据圈子中引起了激烈的讨论。。群里参与讨论的都是业界的大咖，
，讨论内容也十分精彩，，我截了部分的截图，，先看看大咖们的观点
：

  数据治理到底应该放在中台，，
，
，还是后台
，，，我个人的理解是：小数据标准化治理靠人工、
、、大数据预测性分析靠智能，，，
，将两者结合起来
：“人工+智能”形成了完整的数据治理技术体系。
。。
。一个企业的数据治理既离不开小数据的标准化治理，，，，也离不开大数据的预测性分析
。。。。

  这里的小数据，，，，是在承载事物实体的数据，，，例如：人、、财、、
、物等，，是企业所有业务开展的载体。。其实说白了就是主数据管理。
。。。对于主数据的治理笔者认为是一个后台行为
，，治理核心是“唯一数据源、
、
、统一数据标准”，，，
，而要达到这一目标是需要从数据的源头抓起的
，，，并且需要大量的人为干预，，，比如：数据标准的制定和落实，
，数据质量的清洗，，，，数据的申请审批，，，数据的分发和共享等。。。。从这里也能够看出小数据的治理，，追求的是标准化、、
、精确化，，，应该是一个后台行为。。
。
。

  而在大数据时代，，，，得益于大数据技术的突破，，，，大量的结构化、
、非结构化、、异构化的数据能够得到储存
、、
、处理、
、、计算和分析，，，，这一方面提升了我们从海量数据中获取知识和洞见的能力。。。对于大数据
，
，，传统的一味追求精确的思维受到了挑战。。。
。而对于大数据的治理，
，
，允许一定程度上的容错，
，反而可以在宏观层面拥有更好的知识和洞察力
。
。对于大数据的治理更多的是采用AI技术，，，
，例如：知识图谱
、、、语音识别等
，，，对大数据的采集、、、、处理
、、使用过程加以控制，，，，使其能够合规使用。。所以，，
，，大数据的治理放在中台似乎更为合适。。

  三、、、数据治理到底应该怎么治？？

  数据到底怎么治，
，这确实是一个宽泛的话题，，首先是要明确治理的内容。
。。。针对不同的治理内容采取不同的数据治理策略
。。。关于小数据和大数据的治理侧重点上文已经说明。。。。以下为笔者在数据治理领域总结的数据治理十大关键实践：

  1、、、成立组织
，，，育人才

  数据治理的根本目标的是提升数据质量，，
，，控制数据安全和合规使用。
。数据治理涉及范围广，，，参与人员多，，，
，需要一定的组织和制度的保障才可能获得成功。。。。首先，，，，依据行业经验来看，，
，，不论是基于后台的小数据治理，，，还是基于中台的大数据治理，，，“一把手”工程是数据治理组织建设的最佳实践。
。。尤其是中台数据治理更是上升至企业战略层面，，自下而上的治理几乎不太可能成功
。。。其次，，，，数据治理组织的建立并是组建一个非临时团队
，，，，而是要能够支撑企业数据化业务的一个完整体系，，包括
：组织体系、、管理体系、、、执行体系、、、技术体系等。。
。。第三，，，数据治理组织的人员选拔和人才培养
，，不同企业应有不同的策略。。一般来说，，建立数据治理组织从企业内部进行选拔相应的技术专家
、、、业务专家更为合适
，，，要比从外部招聘更能够快速上手
。。。不过，
，，对于传统企业
，，，
，其内部更偏管理，，数据治理团队建设更多需要借助外部力量。。。。

  2、、、需求调研，，，，摸家底

  与数据项目一样
，，详细需求调研是开展数据治理工作的第一阶段的重要工作。。。
。本阶段主要是理解企业的战略，，
，，并按照从上而下的策略进行开展企业数据管理的现状调研，，摸清楚企业数据资产的分布、
、、、数据的质量
、、、数据的管理现状、、、数据应用需求等情况。
。该阶段的工作目标是确定数据治理项目的目标和范围，，评估数据治理成熟度，，，确定改进内容和方向并与客户达成共识。。
。。

  3、、、、梳理数据，
，建标准

  按照业务主题进行数据资产的梳理，，，，并制定数据资产的标准。
。。。首先
，，，定义数据资产元模型标准，
，包括：数据资产的数据含义、
、、
、业务规则、、质量规则、、、数据来源、、、、存储路径、
、、管理部门、、
、、管理人等，，即数据资产的元数据标准
，，，，定义好数据模型是数据治理成功落地的重要前提；其次
，，，重点对企业的核心数据资产——主数据进行标准化，，包括：主数据标准化定义
、、、、参照字典的标准化、
、
、数据清洗
、、、数据服务共享等
；第三，，，
，对业务指标的属性的标准化，，，指标的属性分为“业务属性”和“技术属性”两类，，，业务属性包含业务人员通常认识的指标分类、、
、名称
、、、、计算公式、、展现方式和查询权限等
；技术属性包含技术运维人员所关心的系统来源、、取数字段、、取数频率、、
、加工规则等，，其核心也是元数据管理。。
。。

  4
、、优化流程，，，，定制度

  对于企业而言，，
，，数据来源于很多方面，，，，内部数据如财务、
、、
、人力、、、供应链、、、、生产、、、销售等；外部数据如政治、
、、、经济、、社会、、、科技、、行业、、市场、、、竞争对手等。。。
。虽然数据来源广
、、、数据量大是优点
，，，
，但如果不加以整理和关联，
，，，杂乱无章的数据不仅不利于分析应用，，还将带来不必要的人财物的消耗。。所以，，
，非常有必要对数据产生、、、、采集
、、、
、处理、
、加工、、、使用等过程进行规范。。。。通过统一数据标准
，，制定合理的数据管理流程和制度
，，
，规范数据生产供应的过程。。。

  5、
、搭建平台，
，，接数据

  数据治理平台的搭建要根据不同的客户需求搭建不同模块
，
，，数据治理平台主要涵盖功能模块有
：元数据管理、、主数据管理、
、数据质量管理、、数据标准管理、
、、
、数据安全管理、
、、、数据模型工具、
、ETL工具等。。。数据接入是将各种来源、
、、各种类型的数据，，，通过数据集成工具将这些零散的数据整合在一起，，
，，纳入统一的大数据平平台或数据仓库中
，，
，，这一过程需要符合数据治理平台定义各种数据标准、、、质量规则、、、安全指标
。。。所以
，，我们说数据治理项目不是为了治理数据而建设的，，而是配合大数据平台、、、数据仓库、
、、数据分析挖掘等项目
，
，，通过提升数据质量、、、、控制数据安全，
，让数据发挥出最大的效益。。

  6、、建立指标
，，，提质量

提升数据质量是企业数据治理的重要目标，，也是企业进行数据分析挖掘、、业务管理和决策的重要基础
，，只有建立完整的数据质量体系，，，才能有效提升企业数据整体质量
，，，从而更好的为业务服务。。。。从技术面上讲，，
，，定义完整全面的数据质量的评估维度，，
，包括完整性
、、时效性等，，并按照已定义的维度，，
，在系统建设的各个阶段都应该根据标准进行数据质量检测和规范
，，，，及时进行治理，，，避免事后的清洗工作
。。

  7、、、优化模型
，，，，控安全

数据安全治理，，，，始于数据资产梳理。。通过对数据资产的梳理，
，，可以确定敏感数据在系统内部的分布、、确定敏感数据是如何被访问的、、、、确定当前的账号和授权的状况
。。。。根据企业的数据价值和特征，
，，梳理出企业的核心数据资产，，对其分级分类，，通过数据治理工具进行建模，，
，，定义敏感数据位置、、描述和处理方式，，，保证数据的合规合法使用。。

  8
、、开放服务
，，促应用

  数据的治理是为促进数据更好的应用，，一切不以应用为目的数据治理都是耍流氓。。。通过数据资产目录、
、、微服务等技术将数据进行开发共享，，，促进数据在企业中的应用，，，，使得数据作为企业的宝贵资产应用于业务、
、管理和战略决策中，，，发挥数据资产价值。。。

  9
、、赋能业务
，，，
，抓创新

  数据赋能是在管理和业务应用中发挥数据更大的价值，，以数据驱动业务的落地。。。。数据赋能核心是，，，①汇聚数据
：完善企业内部信息数据化，，采集外部数据；②治理数据：整合数据，，清洗、、转换、、分析、、
、服务；③应用数据：以数据为驱动将洞察结果应用到实际业务中去，，，，推动企业业务和管理的创新。。

  10、、持续优化，，
，再出发

  笔者认为企业的数据治理是一个螺旋上升模型，，
，需要不断的迭代和优化。。。数据治理不能一蹴而就
，，，，需要建立起长效的持续运营机制，，，要将数据治理变成企业的一种机制、、、、一种文化、、一种习惯，
，，而数据治理每一次迭代优化都预示着企业数据战略目标的再出发！！
！！

原创石秀峰 转载自公众号谈数据