1.7　数据治理的6个挑战

企业越大，需要的数据和产生的数据也就越多，而数据越多则意味着就越需要定制适合企业自身的正式且有效的数据质量策略。在向着数字化快速迈进的同时，当前企业数据治理面临着各种挑战，主要表现为以下6个方面。

1. 对数据治理的业务价值认识不足

“数据为什么重要？”“数据治理到底能解决什么问题？”“数据治理能实现哪些价值？”这是数据治理经常被企业领导和业务部门质疑的三大问题。传统数据治理是以技术为导向的，注重底层数据的标准化和操作过程的规范化。尽管以技术驱动的数据治理能够显示数据的缺陷，提升数据的质量，但是管理层和业务人员似乎对此并不满足。

由于传统以技术驱动的数据治理模式没有从解决业务的实际问题出发，企业对数据治理的业务价值普遍认识不足。为了快速实现数据价值和成效，最直接的方式就是以业务价值为导向，从企业实际面临的数据应用需求和数据痛点需求出发，满足管理层和业务人员的数据需求，以实现数据的业务价值、解决具体的数据痛点和难点为驱动来推动治理工作。

正如前文所述，企业数据治理的业务价值主要体现在降低成本、提升效率、提高质量、控制风险、增强安全和赋能决策。不同企业所面对的业务需求、数据问题是不同的，企业数据治理的业务价值不要求在以上6个方面面面俱到（也不要局限于这6个方面）。企业应该从管理层和业务部门的痛点需求出发，将数据治理的业务价值量化，以增强管理层和业务人员对数据治理的认知和信心。想要理解数据造成的业务痛点，最好的方法是询问和观察。数据治理必须着重于业务需求，并着重于解决让业务人员感到痛苦或他们无法解决的问题。

2. 缺乏企业级数据治理的顶层设计

当前企业普遍都认识到了数据的重要性，很多企业也开始了探索数据治理。然而我们看到，目前企业大量的数据治理活动都是项目级、部门级的，缺乏企业级数据治理的顶层设计以及数据治理工作和资源的统筹协调。

数据治理涉及业务的梳理、标准的制定、业务流程的优化、数据的监控、数据的集成和融合等工作，复杂度高，探索性强，如果缺乏顶层设计的指导，那么在治理过程中出现偏离或失误的概率较大，而一旦出现偏离或失误又不能及时纠正，其不良影响将难以估计。

数据治理的顶层设计属于战略层面的策略，它关注全局性和体系性。在全局性方面，站在全局视角进行设计，突破单一项目型治理的局限，促进企业主价值链的各业务环节的协同，自上而下统筹规划，以点带面实施推进。在体系性方面，从组织部门、岗位设置（用户权限）、流程优化、管理方法、技术工具等入手，构建企业数据治理的组织体系、管理体系和技术体系。

企业数据治理的顶层设计应站在企业战略的高度，以全局视角对所涉及的各方面、各层次、各要素进行统筹考虑，协调各种资源和关系，确定数据治理目标，并为其制定正确的策略和路径。顶层设计主要是抓牵一发而动全身的关键问题，抓长期以来导致各种矛盾的核心问题，抓严重影响企业信息化健康稳定发展的重大问题。唯有如此，才能纲举目张，为解决其他问题铺平道路。

3. 高层领导对数据治理不够重视

数据治理是企业战略层的策略，而企业高层领导是战略制定的直接参与者，也是战略落实的执行者。数据治理的成功实施不是一个人或一个部门就能完成的，需要企业各级领导、各业务部门核心人员、信息技术骨干的共同关注和通力合作，其中高层领导无疑是数据治理项目实施的核心干系人。

企业高层领导对数据治理的支持不仅在于财务资金方面（当然这必不可少），其对数据战略的细化和实施充分授权、所能提供的资源是决定数据治理成败的关键因素。

为了保证数据治理的成功实施，企业一般需要成立专门的组织机构，例如数据治理委员会。尽管很多企业的数据治理委员会是一个虚拟组织，但是必须为这个组织安排一名德高望重的高管，我们姑且将这个岗位命名为“首席数据官”（CDO）。数据治理委员会由CDO、关键业务人员、财务负责人、数据科学家、数据分析师、IT技术人员等角色组成，负责制定企业数据治理目标、方法及一致的沟通策略和计划。

在数据治理项目的实施过程中，CDO不仅需要负责统筹数据定义、数据标准、治理策略、过程控制、体系结构、工具和技术等数据治理工作，还需要关注如何为业务增加价值以及是否获得关键业务负责人的支持。CDO经常关注数据的业务价值，并利用数据科学家、分析师和管理人员的更多技能，向CEO报告以获得持续的资金、政策和资源支持。

4. 数据标准不统一，数据整合困难

第一，企业内部的数据标准不统一。我国各行业的企业信息化水平不均衡，数据缺乏行业层面的标准和规范定义。在信息化早期，信息系统的建设是由业务部门驱动的，由于缺乏统一的规划，形成了一个个信息孤岛。而随着大数据的发展，企业数据呈现出多样化、多源化的发展趋势，企业必须将不同来源、不同形式的数据集成与整合到一起，才能合理有效地利用数据，充分发挥出数据的价值。然而由于缺乏统一的数据标准定义，数据集成、融合困难重重。

第二，企业之间的数据标准不统一。各行业、各企业之间都倾向于依照自己的标准采集、存储和处理数据，这虽然在一定程度上起到了保护商业秘密的作用，但阻碍了企业（尤其是位于同一产业链上的上下游企业）之间的协同发展，不利于企业“走出去”加强企业间的交流和合作。

5. 业务人员普遍认为数据治理是IT部门的事

在很多企业中，业务人员普遍认为数据治理是IT部门的事，而他们自己只是数据的用户，因而对数据治理是“事不关己，高高挂起”的态度。但笔者要强调，这个认识是错误的，IT部门的确对数据负有很大责任，但不包括数据的定义、输入和使用。数据的定义、业务规则、数据输入及控制、数据的使用都是业务人员的职责，而这些恰恰是数据治理的关键。

大多数业务部门对IT部门的感情是复杂而矛盾的：一方面感觉到IT越来越重要，业务的发展离不开IT部门的支持；而另一方面却对IT部门不是很了解，对IT的价值还心存疑虑。

数据质量问题到底应该由谁来负责？这也是IT部门和业务部门经常互相推诿的问题。难道IT和业务真的是两个不可调和的矛盾体吗？事实并非如此。离开业务的IT并不会产生价值，而离开IT的业务会失去数字化时代的竞争力。

因此，在数字化时代，IT和业务更应当紧密融合在一起，朝着共同的目标努力。有效的数据治理策略是实现数据驱动业务、业务融入IT的重要举措，这些举措包括数据治理的规划应与业务需求相匹配，数据治理的目标应围绕业务目标的实现而展开。建立数据治理委员会，将业务人员与IT人员融入同一个组织，让他们为了一致的目标而努力，荣辱与共。让业务人员与IT人员一起定义数据标准、规范数据质量及合理使用数据。

在企业数字化转型过程中，IT即业务，IT即管理，业务人员的目标是“在正确的时间、正确的地点获得正确的数据，以达到服务客户、做出决策、制定计划的目的”，而IT人员的目标则是“在正确的时间、正确的地点将正确的数据送达业务人员”，成为业务部门的可靠供应者。

6. 缺乏数据治理组织和专业的人才

数据治理实施的一个重要步骤是建立数据治理的组织并选拔合适的人才，这看起来容易，但真正执行起来却存在很大的挑战。成立实体的数据治理组织还是建立一个虚拟的组织？人员安排是专职还是兼职？到底哪种性质的组织和岗位设置更好？这些是经常被企业管理层问及的问题。笔者通常的回答是：根据企业的组织、管理现状而定；没有最好的组织模型，只有更合适企业的组织模式。