数据治理助力企业数据高价值回报

杨凌霞 丁彩东

国营芜湖机械厂 安徽 芜湖 241000

引言

随着数字化转型工作在国内各行各业的深入推进，企业的管理者越来越深刻的认识，数据作为企业的重要资产需要被重视及管理。通过数据的分析应用，发挥数据的价值，为企业核心能力的提升、企业新价值创造及新业态的产生起到关键助推作用。但如何能够科学的识别、提取、采集、管理及应用数据，是企业数据管理者必须要研究及推进的工作。数据治理是对数据管理的管理，是对数据管理行为的系统性管控，重点聚焦于数据管理组织的架构、职责、制度保障和治理的流程等管理要素执行情况。数据管理方法、工具有很多，如何建立起适合企业自身特点的数据治理体系，是每个开展数字化转型企业已经面临和必须解决的问题，通过本文基于装备维修企业自身数据治理的探索和建设方法的介绍，可供同样在开展数据治理企业的同行参考。总之数字化转型核心是数据，数据治理体系建设之路是助力企业数字化转型，实现企业数据高价值回报的必然选择。

1 企业为什么要进行数据治理

中国多数传统类型的企业，信息化建设的发展历程都是围绕业务发展需求先后建立不同的应用系统。经过几十年的建设，企业各类应用系统建设时间不同、所使用技术不同、甚至建立的组织也各不相同。业务系统之间的数据格式不统一、数据来源不一致、数据管理的主责部门未确定，各业务系统所产生的数据以各自系统存储格式都不一致。同一种业务含义的数据，不一致的命名、存储格式及内容，造成了各系统数据在使用时，不能互联互通，不能满足跨部门、跨流程的协作。甚至在同一业务领域在业务发展变化需要更新系统时，若选择不同厂商，不同平台的应用系统，数据也无法平滑迁移到新的平台中，造成了大量历史数据的浪费，增加了新系统实施难度和成本。

先后建立的业务系统解决了业务数据提取，处理和存储，为业务的效率提升起到了关键作用。系统通过多年的应用，积累了大量业务数据，数据作为企业重要资产沉积在系统中，但在当今的数字化转型工作如火如荼的推进过程中，企业需要进行数据挖掘、数据应用、发挥数据价值时才发现困难重重。因此越来越多的企业意识到企业数据作为数字化时代企业的重要资产，需要进行综合治理，通过数据价值的发挥，来提升企业的核心能力。

2 数据治理的概念

提到数据治理，首先必须弄清什么是数据，什么是数据资产，什么是数据管理，什么是数据治理。数据管理和数据治理的区别与联系具体是什么。

2.1 数据的含义

数据（data）是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。

2.2 数据资产的含义

数据资产（Data Asset）是指由个人或企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源。具数据资产被认为是数字时代的最重要的资产形式之一。

2.3 数据管理的含义

数据管理（Data Management）是利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。其目的在于充分有效地发挥数据的作用。

2.4 数据治理的含义

数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为。

国际数据管理协会（DAMA）给出的定义[1]：数据治理是对数据资产管理行使权力和控制的活动集合。

国际数据治理研究所（DGI）给出的定义：数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统，这些过程按照达成共识的模型来执行，该模型描述了谁（Who）能根据什么信息，在什么时间（When）和情况（Where）下，用什么方法（How），采取什么行动（What）。

2.5 数据管理与数据治理的区别与联系

数据管理是针对数据的一种具体执行活动，而数据治理是对数据管理的管理。数据治理不同于传统的数据管理，数据管理更关注管理的过程，如企业数据管理偏重于数据安全、数据存储与操作、数据分析及数据质量管理等。而数据治理则重点聚焦于数据管理组织的架构、职责、制度保障和治理的流程等管理要素执行情况。

3 数据治理的目标

数据治理是企业实现数字战略的基础，是企业实现数字化转型过程中，提供数据高价值的保证。它是一个管理体系，包括组织、制度、流程、工具。数据治理的最终目标是提升数据质量，让数据价值最大化。

针对不同类型的企业，数据治理的共同目标是确保数据的价值，但根据企业性质的不同、企业规模的不同，又有其不同的目标。若是集团式企业总部或政府机构，进行数据治理的目标是制定整体数据规划，保证规划落地的数据管理政策、保障数据安全、促进数据在组织内无障碍共享，其重点目标是推进和保障数据战略的顺利实施；若是企业或政府业务部门，数据治理的目标则是通过提升数据管理能力，提升组织精细化管理水平，提高业务运营效率，增强组织决策能力和核心竞争力，从而为实现组织战略目标提供能力支撑，其重点目标是数据价值获取、业务模式创新和经营风险控制。

4 数据治理的方法

数据治理的方法企业可以根据自身企业管理基础或企业推进体系建设的方法自由选择，通常可以采用自顶向下的顶层规划、解决具体业务问题的典型应用牵引、通过贯标推动等等。本文将从笔者自身所在的维修装备企业开展数据治理项目的实际过程，论述如何通过项目的开展牵引企业数据治理工作的推动，从而提升企业数据管理成熟度。

4.1 数据治理牵头部门的确定

数据治理的牵头部门应该是哪个部门？首先是企业决策层需要考虑的问题。有的企业可能将数据治理的牵头部门确定在企业战略规划部门，原因是企业战略规划部门可以制定企业整体战略，也可包括支撑战略落地的转型战略制定、数据规划制定；有的企业可能将数据治理的牵头部门确定在质量管理部门、原因是质量管理部门管理企业的产品质量、管理活动质量、也可包含企业重要数据资产的质量；但更多的企业考虑的是数据管理的技术支撑部门。

企业数据存在于各个应用系统，各应用系统是为满足不同的业务需求建立，如何提升企业整体数据质量，发挥企业数据整体价值，往往企业信息系统建设的主管部门是企业的信息化部门，沉积在系统里数据，管理职能自然而然地落在信息化管理部门。而推动企业数据管理平台的建立除有独立的企业数据管理部门外，一般也是企业的信息化部门的职责。笔者所在企业也采取了比较常见的方式，即由企业的信息化部门牵头数据治理工作，企业在组织结构职责分配上，同步赋予了信息化部门的数据管理和治理的职责。

4.2 数据治理工作的推进步骤

企业数据资产的类型有哪些？数据管理现状如何？如何通过先进技术手段有效管理企业数据？数据管理组织如何确定？数据管理流程应该建立哪些？都是数据治理工作必须回答的问题。针对企业数据治理的推进步骤，根据笔者企业推进此项工作的经验，做如下推荐：

4.2.1 确定数据治理的目标。数据治理的最终目标是提高数据的质量，发挥数据的价值最大化。但企业在进行数据治理之前，需要结合企业当前面临的问题，思考企业为何要进行数据治理，不进行数据治理会带来什么问题，进行数据治理需要实现什么目的，达到什么收益进行充分论证。确定的数据治理目标，是后续推进数据治理工作的重要保障。

4.2.2 通过项目制进行推进。在推进数据治理之前，企业往往没有专业的数据管理人才，更没有数据治理的成功经验。鉴于此现状，企业实行变革项目则是能够快速实施数据治理工作的最好手段。借鉴外部先进管理经验和平台，为企业快速建立数据治理机制，让专业的人干专业的事，必将起到事半功倍的效果。

但要进行数据治理，必须依靠企业自身，完全的拿来主义，再先进的方法和手段也必将导致“水土不服”。选择项目的合作公司，建议选择有数据管理咨询能力和有专业数据管理平台的综合性企业，若前期数据管理咨询和后期的平台建设脱节，势必影响数据治理工作的整体效果。

在开展数据治理项目时，先由专业咨询人员带领企业业务管理和信息技术人员进行企业整体数据资产的盘点、厘清数据关系，形成企业数据资产目录。识别企业当前数据管理现状、诊断目前存在的问题，形成企业数据管理的“As-Is”；后根据企业整体发展战略、各业务领域发展战略，结合当前企业数字化转型战略及目标，对标国内外先进标杆，形成企业数据管理的发展规划“To-Be”[2]。现状调研及规划的输出必须作为数据管理平台的输入，平台建设的功能除需符合数据管理本身功能外，也必须有效承接企业现状数据资产的管理和未来数据管理要求。通过数据管理咨询和数据管理平台建设，帮助企业快速完成数据管理的各项执行活动。

4.2.3 建立数据治理长期运营机构。数据管理平台建设完成，仅仅是企业数据管理技术手段的满足，但企业数据如何有效地管理，必须建立长期有效的数据治理组织来对数据管理活动进行规范并确保长期有效运营。

数据治理组织需包括数据治理委员会，数据治理办公室。数据治理委员会主要负责决策企业数据治理工作总体规划，批准数据治理工作流程与制度，为企业数据治理工作提供保障和支持；数据治理办公室作为企业内部组织开展日常数据治理工作并对整个过程进行管理协调的机构，主要负责起草企业数据治理体系的相关规划、方案、流程与制度，并落实流程与制度的执行[3]。

4.2.4 培养数据管理专业人才。数据治理机构负责组织、制度、流程的制定。数据治理体系的运行主体是企业数据管理的专业人才。企业需要培养企业内部数据管理专业人才，并让业务专家和信息技术专家参与到数据管理工作中，建立企业自己的数据产品、数据开发、数据分析、数据挖掘、模型算法建立、数据体系运行等的专业人才队伍，通过机制、人才来保障企业数据治理体系的良好运行。

5 数据治理给企业带来的价值

数据治理是企业提升数据管理成熟度、发挥数据价值的重要举措，是实现数字化转型的必经之路。笔者所在企业通过结合数据咨询及数据管理平台建设在一起的数据治理项目，使企业清晰掌握了当前数据资产的类型、关系、存储量情况。通过专项物料数据质量提升工作、清除了物料数据的一物多码，使物料采购效率和准确率得到了较大提升。数据源头的统一和数据质量的提升为信息系统建设效率提高和系统用户满意度提升起到了较大支撑作用。高度协调一致的数字治理体系建设工作，为企业的数字化转型工作奠定了坚实的基础。

6 结束语

数据是数字化转型的核心、数据资产是企业提升核心竞争力的重要资产。高效、高质的数据资产，可为企业业务应用场景的挖掘和应用赋能。数据治理是提升数据质量、发挥数据高价值回报的重要途径。开展数字化转型是当前企业的必答题，而数据治理是开展数字化转型的重要解题方法。数据治理体系的建设需要企业决策层、管理层和执行层的合力推动。借鉴国内外先进治理方法与经验，共同探索出符合企业自身特点的数据治理之路，最终实现数据治理助力企业数据的高价值回报。