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