數據要素正逐漸成為生產資料的一部分，這促使越來越多企業開始重視數據治理。然而，隨著數據治理工作的推進，許多團隊發現直接展現其價值頗為困難。有些人開始質疑數據治理的實際效用，認為它被過分夸大。
結合自己的實踐和分析，我認為主要是由數據治理的間接性、抽象性、長期性、變革性等特點導致的，同時受到業務鴻溝和利益博弈的影響。
數據治理涉及對數據相關事務的決策權和權威行使。更具體來說，數據治理是一套責任制度，通過商定的模型來執行，這些模型規定了誰可以在何時、在什么情況下、采用什么方法對哪些信息進行什么行動。（1）政策與規則；指導與保障
（2）決策權；與數據相關的決策
（3）責任；監督模型；指標
（4）控制；檢查點與通知
（5）數據產品；目錄；定義與元數據
數據治理是一項需要持續努力和資源投入的長期投資。在初期，企業可能需要大量資源來建設數據治理基礎設施、優化流程和培訓人員。這些初期投入在短期內可能顯得更多像是成本而不是投資的回報，長期的投資回報周期可能導致企業難以直觀地感受到數據治理對業務的貢獻。
例如，在我們企業數據治理的第一年，幾乎整個年度都在進行各種可行性研究、建立數據治理委員會和辦公室、構建各部門數據責任人機制、制定數據管理政策，并通過聯席會議制度推進各項基礎工作，包括全面納管數據、高效建立數據開放流程、梳理和優化公司級主數據流程等。
我們的數據治理團隊成員大多從數據倉庫轉型而來，在開始時也感覺到自己對業務的直接貢獻不夠明顯，除了能告訴公司數據管理更全面、自動化程度更高、數據開放速度更快、更便捷外，似乎沒有更多顯著的成績。然而，在數據治理進入第三年時，當我們面臨跨領域的業務問題時，前兩年的組織、機制、流程和平臺建設積累，為解決這些問題提供了很大的便利，如數據匯通方便、溝通門檻較低、理解業務容易等等。想當年我們搞大數據平臺，就是一次典型的數據治理，在大數據平臺建立后的前幾年，對業務來講似乎價值不大，認為大數據平臺就是一個更大的報表庫，聊勝于無。直到流量經營爆發、網格運營崛起及數據變現的出現，大家才開始體會到大數據平臺的好處。鑒于數據治理的這種長期性特點，如果企業缺乏對數據治理的戰略定力，期待立竿見影的業務效果，確實可能會感到失望。數據治理通常伴隨著組織流程、文化和技術的變革。這些變化可能會遇到組織或員工的抵抗，特別是當它們影響到現有的工作流程和責任分配時。以我們的主數據項目為例，主數據管理本來的目的是實現跨領域數據的一致性，從而解決長流程的卡點或堵點問題，最終提高企業的決策效率。但主數據管理體系到底由誰負責就是一個組織上的重大挑戰，無論是讓領域負責，還是讓企業級數據治理團隊負責都各有利弊，前者可能推進的速度更快，成本更低，但溝通協調成本相對會高，優化的可能也不太徹底。而由后者負責則正好相反，我們當年論證方案就不小兩個月。而這還僅僅涉及誰來干的問題，當真正實施主數據的時候，我們發現會對各領域原有的工作模式產生重大的影響，因為流程變了，規則變了，平臺變了，數據變了。為了順利過渡到主數據管理，我們前期的付出成本非常高，調整了超過12個業務流程，進行了5次系統割接，持續時間長達半年。如果沒有領導的堅定支持，項目估計難以持續。企業數據治理工作大多是跨部門界限的，因此會存在天然的阻力。那些沒有阻力的事，要么是瑣碎且價值有限，要么已經被業務部門解決，不會留給數據治理團隊，企業數據治理一定是要去做正確而難的事。通常，領域內的數據治理問題領域自身能夠解決，而跨領域的數據問題很難通過某個領域的自發努力徹底解決。理論上，數據治理團隊非常適合處理這種跨域問題，但實際面臨的挑戰頗大。一方面，數據治理人員并不直接負責任何特定業務，這限制了他們對業務的深入理解；另一方面，多個業務領域會以挑剔的眼光審查數據治理團隊提供的方案，因為這些報告涉及各方的利益。例如，在我們實施企業數據一致性治理時，雖然組織和機制問題相對容易解決，但最大的難題是團隊業務能力不足，很難在短時間內分析清楚根因，也就無法提出大家都認可的方案，我們得先花90%的時間在理解業務上，才有資格跟各業務方對話。有些企業可能認為一旦建立了數據治理相關組織就已足夠，但實際上，關鍵在于人員的選擇和使用。如果數據治理人員缺乏業務背景，尤其是直接讓IT人員轉型去做數據治理，那么在數據治理初期，極大可能陷入業務的困境，構建一個具有多樣化業務背景的團隊，可能是更優的數據治理組織形式。DGI提到數據治理團隊最需要培養的一個能力就是show的能力，一定要把數據治理的成果在各種場合展現出來，讓別人體會到數據治理的價值，但實際情況要復雜的多。數據治理團隊通常沒有直接負責的業務，而具體業務領域往往不愿意讓渡業務價值。即便能夠與數據治理團隊合作，在展示成果的工作中，如匯報等，主要還是由業務領域來呈現。數據治理團隊往往只能在跨領域業務問題的解決上體現獨特貢獻，如由數據不一致性導致的業務風險。但在跨域的問題解決后，比如制度、規范、流程和系統完善后，數據治理團隊還是需要重新尋找新的領域。最理想的數據治理結果其實是數據治理團隊讓自己變得沒有存在的必要，這是辯證統一的。
針對這些挑戰，我提出以下六個建議，大家可以結合自身企業的實際進行調整和完善：
1、量化數據治理的業務關聯程度
建立一套明確的量化指標體系和價值評估體系，直接將數據治理活動與業務目標關聯。通過識別并優先處理對業務影響最大的數據問題，最大化展示數據治理活動的具體成效。
數據治理是一把手工程隱含的意思是老板直接提出數據治理需求，我們至今接收到的需求大多是管理層的，這保證了大家的重視程度。
2、強化數據治理培訓和成果溝通
定期組織培訓和研討會，邀請業務部門參與數據治理項目的關鍵環節，讓他們親身體驗數據治理的過程和成效。
利用數據治理儀表板和成果報告，定期向管理層和業務團隊展示數據治理工作的進展、成果及其對業務的積極影響，比如我們的數據目錄是通過地圖的方式實現的，每次領導參觀就可以很形象的展示，一圖勝千言。
3、明晰數據治理的長短期路線圖
加強規劃，明確數據治理的短期和長期目標路線圖。向利益相關者闡明，數據治理是一項持續的投資，而非一種快速解決問題的手段。這項工作挑戰很大，特別需要CDO的設立和支持。
4、建立治理組織以破除變革阻力
建立跨部門的溝通平臺，如數據治理委員會、數據治理辦公室或跨部門聯席會議，確保變革的透明度。利用變革代理人或影響者模型，找到并培養業務中的關鍵人物作為數據治理的倡導者。這個其實也是一把手工程。
5、提升數據治理團隊的業務能力
加強數據治理人員的業務培訓，幫助他們更好地理解業務需求。依托跨部門組織建立高效的數據治理與業務協同機制，定期溝通數據治理的問題、進展和成果。
設立數據治理專員，嵌入業務部門，深入理解業務需求，提供精準的數據支持。
6、理順數據治理團隊的業務職能
依托數據治理委員會，明確數據治理團隊的職責和權限，賦予其推動業務變革的能力。通過建立合作共贏的伙伴關系，管理數據治理團隊與業務部門之間的利益博弈，確保數據治理的成果能被公正地認可，并在組織內部得到充分展示。
本文轉自網絡，本站僅提供展示與交流，不為其版權負責。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本站聯系，我們將及時更正、刪除，謝謝。
