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