【数据治理】 第1话 - 建设思考

文章摘要

前言

数据治理正受到企业越来越多的关注，作者分享了在两家公司从零开始建设数据治理的经验，涉及数据集成、数据质量、数据资产、数据安全和数据交换等多个环节。

定义

数据治理有两种定义：针对【数据】的治理解决数据准确性问题，使用工具管理平台、数据质量平台等；针对数据【治理】则解决数据全生命周期的问题，包括数据采集、质量、应用、安全和分享等多个环节。

思考

数据治理是系统化、长周期的工程，通常涉及组织架构、治理工具和运营监控三大抓手。企业落地数据治理的方式和形态因角色定义、所处阶段和价值评估等方面差异而不同。

角色

国企和私企对数据治理的视角和实施方式有所不同，国企倾向于参考成熟模型，而私企数据团队更关注数据准确性和一致性。数据中台在数据治理中扮演关键角色，涵盖数据全生命周期。

阶段

企业的数据治理侧重点根据处于「业务数据化」或「数据业务化」的阶段而调整，前者注重数据生成的各个方面，后者则侧重于数据加工和应用。

价值

评估数据治理的价值涉及降本增效、控质提安和赋能决策等方面，每个方面都带来不同的收益和挑战。

策略

数据治理要有实际出发点，确保不因治理而治理。需要高层支持，明确责任人，建立数据治理小组和委员会，以及业务团队的协同配合。数据治理应视为可持续运营项目，形成全方位评估体系。

总结

数据治理是庞大的工程，需要充分的思考和调研。未来的内容将围绕平台工具展开，探讨指标管理平台、数据质量监控平台等。

作者欢迎交流，并推荐了一本由七位大厂数据产品专家编写的《大数据实践之路：数据中台+数据分析+产品应用》书籍。