优百信息

一 数据治理(lǐ)治的是“数据”吗？

数据是指对客观事件进行记录并可(kě)以鉴别的符号，是对客观事物(wù)的性质、状态以及相互关系等进行记载的物(wù)理(lǐ)符号或这些物(wù)理(lǐ)符号的组合。其实在我看来，数据可(kě)以分(fēn)為(wèi)两个部分(fēn)，一是数字，二是文(wén)字。数字是没有(yǒu)意义的抽象符号，数据是有(yǒu)意义的数字。文(wén)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(yǒu)很(hěn)多(duō)数据是无关企业重大利益的数据，是没有(yǒu)治理(lǐ)的必要的。数据治理(lǐ)的对象必须是重要的数据资源，是关乎企业重大商(shāng)业利益的数据资源，这样的数据资源可(kě)以称其為(wèi)“数据资产”。正如北大教授王汉生先生所说：“数据治理(lǐ)不是对‘数据’的治理(lǐ)，而是对‘数据资产’的治理(lǐ)，是对数据资产所有(yǒu)相关方利益的协调与规范。”

我们需要分(fēn)开来理(lǐ)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(yǒu)数据都是数据资产，那到底什么才是数据资产呢(ne)？

《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(yǒu)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(yǒu)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(kě)见，数据要成為(wèi)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(yǒu)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，即通过业務(wù)交易或事项产生数据的人或组织。

②数据的拥有(yǒu)或控制者，生产数据的人不一定是拥有(yǒu)数据，就像我们天天上网的各种数据都不归我们自己所有(yǒu)，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(lǐ)就是对数据生产者、拥有(yǒu)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，“写中國(guó)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核心数据实體(tǐ)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。数据一旦成為(wèi)资产，就一定有(yǒu)拥有(yǒu)方，或者实际控制人，可(kě)以把他(tā)们统称产权人。与实物(wù)不同的是，实物(wù)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(yǒu)与消费者交易之前，制造商(shāng)拥有(yǒu)完全产权。产品生产出来后，消费者通过購(gòu)买支付相应的货币，便拥有(yǒu)了产品的产权。而数据的生产过程就不一样了，我们的各种上网行為(wèi)每天都会产生大量的数据，例如：网上購(gòu)物(wù)、浏览网页、使用(yòng)地图、评论/评价……。这些数据到底归谁所有(yǒu)？控制权该如何治理(lǐ)？这是摆在面前的一个难题！我们看到近几年一些不良商(shāng)家，利用(yòng)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(shāng)业的进步，尽快能(néng)够找到解决方案！

第三是流程的优化。数据治理(lǐ)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，做好企业业務(wù)流程的优化可(kě)能(néng)会对隐私保护起到一定的作用(yòng)。通过业務(wù)流程优化，规范数据从产生、处理(lǐ)、使用(yòng)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(kě)控，合规使用(yòng)。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(lǐ)、存储原则，提升数据治理(lǐ)，赋能(néng)业務(wù)应用(yòng)。

二 数据治理(lǐ)到底在哪里治？

关于数据中台到底应该在中台治理(lǐ)还是应该在后台治理(lǐ)，这个话题在筆(bǐ)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(fēn)精彩，我截了部分(fēn)的截图，先看看大咖们的观点：

数据治理(lǐ)到底应该放在中台，还是后台，我个人的理(lǐ)解是：小(xiǎo)数据标准化治理(lǐ)靠人工、大数据预测性分(fēn)析靠智能(néng)，将两者结合起来：“人工+智能(néng)”形成了完整的数据治理(lǐ)技术體(tǐ)系。一个企业的数据治理(lǐ)既离不开小(xiǎo)数据的标准化治理(lǐ)，也离不开大数据的预测性分(fēn)析。
    这里的小(xiǎo)数据，是在承载事物(wù)实體(tǐ)的数据，例如：人、财、物(wù)等，是企业所有(yǒu)业務(wù)开展的载體(tǐ)。其实说白了就是主数据管理(lǐ)。对于主数据的治理(lǐ)筆(bǐ)者认為(wèi)是一个后台行為(wèi)，治理(lǐ)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，并且需要大量的人為(wèi)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(fēn)发和共享等。从这里也能(néng)够看出小(xiǎo)数据的治理(lǐ)，追求的是标准化、精确化，应该是一个后台行為(wèi)。

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(néng)够得到储存、处理(lǐ)、计算和分(fēn)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(néng)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(lǐ)，允许一定程度上的容错，反而可(kě)以在宏观层面拥有(yǒu)更好的知识和洞察力。对于大数据的治理(lǐ)更多(duō)的是采用(yòng)AI技术，例如：知识图谱、语音识别等，对大数据的采集、处理(lǐ)、使用(yòng)过程加以控制，使其能(néng)够合规使用(yòng)。所以，大数据的治理(lǐ)放在中台似乎更為(wèi)合适。

三 数据治理(lǐ)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(lǐ)的内容。针对不同的治理(lǐ)内容采取不同的数据治理(lǐ)策略。关于小(xiǎo)数据和大数据的治理(lǐ)侧重点上文(wén)已经说明。以下為(wèi)筆(bǐ)者在数据治理(lǐ)领域总结的数据治理(lǐ)十大关键实践：

1、成立组织，育人才

数据治理(lǐ)的根本目标的是提升数据质量，控制数据安全和合规使用(yòng)。数据治理(lǐ)涉及范围广，参与人员多(duō)，需要一定的组织和制度的保障才可(kě)能(néng)获得成功。首先，依据行业经验来看，不论是基于后台的小(xiǎo)数据治理(lǐ)，还是基于中台的大数据治理(lǐ)，“一把手”工程是数据治理(lǐ)组织建设的最佳实践。尤其是中台数据治理(lǐ)更是上升至企业战略层面，自下而上的治理(lǐ)几乎不太可(kě)能(néng)成功。其次，数据治理(lǐ)组织的建立并是组建一个非临时团队，而是要能(néng)够支撑企业数据化业務(wù)的一个完整體(tǐ)系，包括：组织體(tǐ)系、管理(lǐ)體(tǐ)系、执行體(tǐ)系、技术體(tǐ)系等。第三，数据治理(lǐ)组织的人员选拔和人才培养，不同企业应有(yǒu)不同的策略。一般来说，建立数据治理(lǐ)组织从企业内部进行选拔相应的技术专家、业務(wù)专家更為(wèi)合适，要比从外部招聘更能(néng)够快速上手。不过，对于传统企业，其内部更偏管理(lǐ)，数据治理(lǐ)团队建设更多(duō)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(lǐ)工作的第一阶段的重要工作。本阶段主要是理(lǐ)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(lǐ)的现状调研，摸清楚企业数据资产的分(fēn)布、数据的质量、数据的管理(lǐ)现状、数据应用(yòng)需求等情况。该阶段的工作目标是确定数据治理(lǐ)项目的目标和范围，评估数据治理(lǐ)成熟度，确定改进内容和方向并与客户达成共识。3、梳理(lǐ)数据，建标准按照业務(wù)主题进行数据资产的梳理(lǐ)，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、业務(wù)规则、质量规则、数据来源、存储路径、管理(lǐ)部门、管理(lǐ)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(lǐ)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、数据服務(wù)共享等；第三，对业務(wù)指标的属性的标准化，指标的属性分(fēn)為(wèi)“业務(wù)属性”和“技术属性”两类，业務(wù)属性包含业務(wù)人员通常认识的指标分(fēn)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(lǐ)。

4、优化流程，定制度

对于企业而言，数据来源于很(hěn)多(duō)方面，内部数据如财務(wù)、人力、供应链、生产、销售等；外部数据如政治、经济、社会、科(kē)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(lǐ)和关联，杂乱无章的数据不仅不利于分(fēn)析应用(yòng)，还将带来不必要的人财物(wù)的消耗。所以，非常有(yǒu)必要对数据产生、采集、处理(lǐ)、加工、使用(yòng)等过程进行规范。通过统一数据标准，制定合理(lǐ)的数据管理(lǐ)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(lǐ)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(lǐ)平台主要涵盖功能(néng)模块有(yǒu)：元数据管理(lǐ)、主数据管理(lǐ)、数据质量管理(lǐ)、数据标准管理(lǐ)、数据安全管理(lǐ)、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(lǐ)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(lǐ)项目不是為(wèi)了治理(lǐ)数据而建设的，而是配合大数据平台、数据仓库、数据分(fēn)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(lǐ)的重要目标，也是企业进行数据分(fēn)析挖掘、业務(wù)管理(lǐ)和决策的重要基础，只有(yǒu)建立完整的数据质量體(tǐ)系，才能(néng)有(yǒu)效提升企业数据整體(tǐ)质量，从而更好的為(wèi)业務(wù)服務(wù)。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(lǐ)，避免事后的清洗工作。

7、优化模型，控安全

数据安全治理(lǐ)，始于数据资产梳理(lǐ)。通过对数据资产的梳理(lǐ)，可(kě)以确定敏感数据在系统内部的分(fēn)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(lǐ)出企业的核心数据资产，对其分(fēn)级分(fēn)类，通过数据治理(lǐ)工具进行建模，定义敏感数据位置、描述和处理(lǐ)方式，保证数据的合规合法使用(yòng)。

8、开放服務(wù)，促应用(yòng)

数据的治理(lǐ)是為(wèi)促进数据更好的应用(yòng)，一切不以应用(yòng)為(wèi)目的数据治理(lǐ)都是耍流氓。通过数据资产目录、微服務(wù)等技术将数据进行开发共享，促进数据在企业中的应用(yòng)，使得数据作為(wèi)企业的宝贵资产应用(yòng)于业務(wù)、管理(lǐ)和战略决策中，发挥数据资产价值。

9、赋能(néng)业務(wù)，抓创新(xīn)

数据赋能(néng)是在管理(lǐ)和业務(wù)应用(yòng)中发挥数据更大的价值，以数据驱动业務(wù)的落地。数据赋能(néng)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(lǐ)数据：整合数据，清洗、转换、分(fēn)析、服務(wù)；③应用(yòng)数据：以数据為(wèi)驱动将洞察结果应用(yòng)到实际业務(wù)中去，推动企业业務(wù)和管理(lǐ)的创新(xīn)。

10、持续优化，再出发

筆(bǐ)者认為(wèi)企业的数据治理(lǐ)是一个螺旋上升模型，需要不断的迭代和优化。数据治理(lǐ)不能(néng)一蹴而就，需要建立起長(cháng)效的持续运营机制，要将数据治理(lǐ)变成企业的一种机制、一种文(wén)化、一种习惯，而数据治理(lǐ)每一次迭代优化都预示着企业数据战略目标的再出发！