3.1　企业数据治理体系的内涵

数据治理、数据管理与数据管控三者之间是什么关系？影响数据治理的关键因素有哪些？一个科学、完善的数据治理体系应包含几个层面？

这几个问题看似毫不相干，但却环环相扣。只有厘清数据治理、数据管理与数据管控之间的关系，才能规划出科学的数据治理体系。只有识别出影响数据治理的关键因素，才能针对这些因素设计出合理的策略，以推进数据治理的有效实施。

3.1.1　数据治理、数据管理与数据管控

数据治理、数据管理、数据管控三者的确有重叠的地方，容易混为一谈，这就造成了在实际使用中人们经常将这三个词混着用、随机用的现象。

关于数据治理与数据管理的区别的讨论有很多。有人认为数据治理是包含在数据管理中的，数据管理的范围更广，例如DAMA-DMBOK一书就明确提出数据管理包含数据治理；也有人认为数据治理高于数据管理，是企业的顶层策略。

以上观点各有道理，这里笔者用一个“金字塔”模型来描述数据治理、数据管理、数据管控之间的关系，如图3-1所示。

1. 数据治理

金字塔的最顶层是数据治理，与治理相关。我们还会经常看到“国家治理”和“公司治理”的说法，从某种意义上讲，治理是一种自顶向下的策略或活动。

因此，数据治理应该是企业顶层设计、战略规划方面的内容，是数据管理活动的总纲和指导，它指明数据管理过程中有哪些决策要制定、由谁负责，更强调组织模式、职责分工和标准规范。

2. 数据管理

数据管理是为实现数据和信息资产价值的获取、控制、保护、交付及提升，对政策、实践和项目所做的计划、执行和监督。

笔者认为，数据管理是执行和落实数据治理策略并在过程中给予反馈，强调管理流程和制度，涵盖不同的管理领域，比如元数据管理、主数据管理、数据标准管理、数据质量管理、数据安全管理、数据服务管理、数据集成等。

3. 数据管控

数据管控侧重于执行层面，是具体落地执行所涉及的各种措施，例如数据建模、数据抽取、数据处理、数据加工、数据分析等。数据管控的目的是确保数据被管理和监控，从而让数据得到更好的利用。

综上所述，数据治理强调顶层的策略，数据管理侧重于流程和机制，而数据管控侧重于具体的措施和手段，三者是相辅相成的。

现在我们听得最多的是“数据治理”，似乎只要是涉及数据管理的项目，都会被说成数据治理。之所以会出现这个现象，主要是因为企业越来越意识到传统IT驱动或者说技术驱动的专项数据管理项目在实施过程中很难推进，并且很难解决业务和管理上用数难的问题。而从战略、组织入手的数据治理顶层设计更有利于实现数据管理的目标。

3.1.2　企业数据治理的9个要素

知名咨询公司Gartner的调研显示，在实施数据治理的企业中，有34%的企业数据治理处于良性建设阶段，有近50%的企业数据治理并未取得理想的效果，仅有16%的企业数据治理效果显著，处于行业领先水平。

影响企业数据治理建设成效的因素很多，主要有9个要素，如图3-2所示。

1. 数据战略

很多企业都说自己重视数据，但是能规划出明确的目标、范围、实施路径并具备可执行数据战略的企业却很少。企业的数据战略应当与业务战略保持一致，指明数据治理的方向。

2. 组织机制

传统的企业管理思路是“火车跑得快，全靠车头带”，这是在工业时代最优的管理信条。而在数字时代，我们需要的是“动力分散在各节车厢的高铁”，每节“车厢”都有驱动力。企业需要进行组织机制转型，追求精简和灵活，明确各部门在企业数据治理中的角色、定位、职责和分工，以满足数字时代企业数据治理组织建设的要求。

3. 数据文化

数据文化是企业所有人员对数据价值的一致认同，具体表现为：用数据说话，用数据管理，用数据决策，用数据创新。

4. 管理流程

数据治理的目标是提升数据质量，让数据源于业务，回馈业务。

与传统的数据管理不同的是，数据治理作为一项驱动企业创新的工作，应当与企业的业务流程进行深度融合，通过优化业务流程，实现业务效率提升，创造数据价值。应当将数据治理作为一项能为企业创造价值的重要业务，而不只是一项支撑性的工作。

5. 管理制度

很多数据治理不理想的企业有一个共同特点：要么没有建立起数据治理相应的管理流程和制度，要么制度流于形式，没有得到很好的贯彻执行。这些企业管理层面缺乏制度体系的建设，执行层面没有标准可依，很容易出现违规情况。

6. 数据

数据是企业数字化转型的基础要素，但往往并不能在企业数字化转型中发挥出应有的价值。许多企业拥有大量数据，但其中大部分数据缺乏统一的数据标准，信息孤岛问题严重，碎片化的数据在信息系统的数据库中“沉睡”，为数据治理带来困难。

7. 人才

人才是推进企业数字化转型的核心动力，而当前市场上的高端数据治理人才非常匮乏，导致企业数据治理所需要的业务专家、技术专家长期缺位，企业招不到合适的人才。此外，很多企业还有招聘框架和人才竞争机制限制，进一步减少了其引入高端数据治理人才的机会。

8. 技术

传统数据治理更多是“头痛医头，脚痛医脚”的局部治理。数据治理只在某些项目或部门中进行，缺乏对数据标准的整体规划，不能全面展开，无法为企业带来更多的价值。

要让数据治理发挥价值，必须战略性地使用数据治理技术，将数据治理贯穿于数据的“采、存、管、用”整个生命周期中。涉及的数据治理技术主要包括数据建模、数据标准、数据质量、数据安全、数据集成、数据处理、数据使用等。

企业的数据治理应做好全面规划，结合企业实际业务需求选择合适的技术路线，有条不紊地推进。

9. 工具

数据治理包含元数据管理系统、数据标准化管理系统、数据清洗与加工工具、数据质量管理系统、数据安全管理系统、数据集成与共享系统等。

“器以载道”，企业应根据自身业务需求，基于企业现状和数据战略目标选择合适的数据治理工具，才能达到事半功倍的效果。

3.1.3　企业数据治理的4个层面

笔者借鉴国内外的数据治理标准和框架体系，并结合自身的企业数据治理实践经验，将企业数据治理体系划分为4个层面，如图3-3所示。

1. 战略层面（道）

战略层面包括数据战略、组织机制、数据文化，重点在于指明哪些决策要制定，由谁来负责。数据战略是顶层的策略，为数据治理指明方向。这是企业数据治理之“道”。

2. 管理层面（法）

管理层面包括理现状与定目标、数据治理能力成熟度评估、数据治理路线图规划、数据治理保障体系建设、数据治理技术体系建设、数据治理策略执行与监控等，强调数据治理的流程、制度和方法。这是企业数据治理之“法”。

3. 执行层面（术）

执行层面包括建立数据治理各项技术能力，实现对各项数据资源的有效管理和控制，强调数据治理的具体操作和技术，例如数据梳理与建模、元数据管理、主数据管理、数据质量管理、数据安全治理等。这是企业数据治理之“术”。

4. 工具层面（器）

为了全面提升数据治理的效能，工具层面强调对于技术和工具的使用。企业数据治理涉及的工具有主数据管理工具、元数据管理工具、数据质量管理工具、数据安全管理工具、数据交换共享工具等。这是企业数据治理之“器”。

说到道、法、术、器，很多人觉得很玄。这里要说明的是，本书不是在摆弄玄学，也不是在传播道家思想文化，而是将道家的思想精髓融入我们的数据治理体系中，将其融会贯通。本书将从“道、法、术、器”四个层面来对企业数据治理的理念、制度、流程、技术、方法、工具进行系统性说明。