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