3.4　企业数据治理之术——7种能力

“术”是指操作层面上的技术。企业数据治理之术就是有效推进企业数据治理所采用的各项举措和技术。“术”源于“法”，“法”源于“道”，一切数据治理所使用的技术和方法都是为实现数据治理的目标和需求而服务的。数据治理的目标和需求不同，其所使用的技术也不同。

在操作层面，企业数据治理的技术有很多，常用的有数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享等7种核心技术能力，如图3-6所示。

1. 数据梳理与建模

数据梳理即对数据资产的梳理。数据资产梳理是企业数据治理的基础，通过对数据资产的梳理，企业可以知道自己到底有哪些数据，这些数据都存在哪里，数据的质量如何，从而摸清“数据家底”并为数据建模提供支撑。而数据模型是帮助企业梳理数据、理解数据的关键技术。

数据模型在数据治理中起到向上承接数据战略，向下对接数据和应用的作用。如果把企业数字化比作人体的话，那么数据模型就是骨架，数据之间的关系和流向是血管和脉络，数据是血液。数据模型的标准化是数据血液能够正常流动和运行的根本。数据建模是数据治理的开端。

2. 元数据管理

元数据管理是指与确保正确创建、存储和控制元数据，以便在整个企业中一致地定义数据有关的活动。在元数据管理中，对业务元数据、技术元数据与操作元数据的盘点、集成和管理是企业数据治理实践中的基本活动。

• 从技术维度讲，元数据管理管理的是数据资产所涉及的源系统、数据平台、数据仓库、数据模型、数据库、表、字段及字段和字段间的数据关系。
• 从业务维度讲，元数据管理管理着企业的业务术语表、业务规则、质量规则、安全策略以及表的加工策略、表的生命周期信息等。
• 从应用维度讲，元数据管理为数据提供了完整的审计跟踪，这对于数据的合规使用越来越重要。通过数据血缘分析，可以追溯发生数据质量问题以及其他问题的根本原因，并对更改后的元数据执行影响分析。

3. 数据标准管理

“无标准，不治理；无治理，不数据。”这句话强调了数据标准在数据治理中的重要性，它是企业开展数据治理的重要技术手段。

数据标准管理涉及数据标准的制定、发布、宣贯、执行、验证和优化，它是一个将数据标准在企业各部门之间、各系统之间进行交换和共享的过程，也是使不同参与者就数据标准达成共识，并积极参与定义和管理数据标准的过程。

4. 主数据管理

主数据被誉为企业的“黄金数据”，具有高价值性、高共享性、相对稳定性。主数据管理是企业数据治理的核心内容，包含主数据梳理与识别、主数据分类与编码、主数据清洗、主数据集成等过程。

有效的主数据管理是实现企业内部各信息系统之间、企业与企业之间互联互通的基石，是企业数字化转型的重要基础。

5. 数据质量管理

数据治理的目标是提升数据质量并赋能业务，以实现企业的业务和管理目标。数据质量管理是对数据从计划到获取、存储、共享、维护、应用、消亡的生命周期里可能出现的数据质量问题进行识别、测量、监控和预警等一系列管理活动，并通过提高组织的管理水平来进一步提升数据质量。

数据质量管理的最终目的不是获得高质量数据，而是利用高质量数据取得业务成果，为企业创造收益。

6. 数据安全治理

数据安全的治理贯穿于数据采集、传输、存储、处理、交换和销毁的整个生命周期中，每个阶段都需要企业人员具备数据安全的意识，合理、合规地使用数据，防止数据泄露，保护数据安全。

7. 数据集成与共享

数据集成与共享是为了更好地使用数据而提供的技术能力和手段。各种类型的数据应用项目，如数据分析挖掘、数据仓库、主数据管理、应用集成、数据资产管理等，都离不开数据集成。

建立良好的数据集成架构，设计清晰的数据集成模式，定义明确的数据集成策略，这是企业数据治理和应用的重要保障。

这7种能力覆盖了企业数据治理的7个关键领域，每个领域都包含组织、人员、制度、流程、策略、技术、工具的建设。这里并不是要求企业具备所有这7种能力，或者把数据治理的每个领域逐一实施，而是希望企业将这7种能力作为参考，并结合自身的业务目标和现状来构建适合自己的数据治理能力。