數據治理治什么？在哪治？怎么治？

今天我們來探討一下關于數據治理的靈魂三問：

? ? 1、數據治理治什么，治的是數據嗎？

? ? 2、數據治理在哪里治，中臺還是后臺？

? ? 3、數據治理到底怎么治？

? ? ? ?數據是指對客觀事件進行記錄并可以鑒別的符號，是對客觀事物的性質、狀態以及相互關系等進行記載的物理符號或這些物理符號的組合。其實在我看來，數據可以分為兩個部分，一是數字，二是文字。數字是沒有意義的抽象符號，數據是有意義的數字。文字表意，數字表量，當兩者結合起來，數據就產生了。

? ? ? ?在我們的生活和工作當中，數據無處不在。對企業來講，有很多數據是無關企業重大利益的數據，是沒有治理的必要的。數據治理的對象必須是重要的數據資源，是關乎企業重大商業利益的數據資源，這樣的數據資源可以稱其為“數據資產”。正如北大教授王漢生先生所說：“數據治理不是對“數據”的治理，而是對“數據資產”的治理，是對數據資產所有相關方利益的協調與規范?！?/span>

我們需要分開來理解這句話：

? ? ? ?①什么是數據資產？

? ? ? ?②數據資產的相關利益方是誰？

? ? ? ③協調與規范什么？

先說一說什么是數據資產。我們說不是所有數據都是數據資產，那到底什么才是數據資產呢？

? ? ? 《企業會計準則-基本準則》第20條規定：“資產是指企業過去的交易或者事項形成的、由企業擁有或者控制的、預期會給企業帶來經濟利益的資源?！?如果照貓畫虎修改一下，不難獲得一個關于數據資產的定義：“數據資產是指企業過去的交易或者事項形成的，由企業擁有或者控制的，預期會給企業帶來經濟利益的數據資源?！庇纱丝梢?，數據要成為數據資產，至少要滿足3個核心必要條件：

? ? ? ?①數據資產應該是企業的交易或者事項形成的；

? ? ? ?②企業擁有或者控制；

? ? ? ③預期會給企業帶來經濟利益。

數據資產的利益相關方是誰？

? ? ? 根據數據資產的定義，數據資產的利益相關方，包括：

? ? ? ①數據的生產者，即通過業務交易或事項產生數據的人或組織。

? ? ? ②數據的擁有或控制者，生產數據的人不一定是擁有數據，就像我們天天上網的各種數據都不歸我們自己所有，而是落在了各個互聯網公司的數據庫中。

? ? ?③數據價值和經濟利益的收益者。數據治理就是對數據生產者、擁有或控制者，數據價值獲益者的規范和協調。

都什么是需要協調和規范？

? ? ? 首先是數據的標準化，定義統一的數據標準，“寫中國字、說普通話”讓數據資產的相關利益方在同一個“頻道”溝通。數據的標準化包含幾個層面：①數據模型標準化。②核心數據實體的標準化（主數據的標準化）。③關鍵指標的標準化。關于數據標準化這里不再展開，有需要深入了解的朋友請參考筆者之前寫的文章：《數據治理系列3：數據標準管理》。

? ? ? 其次是數據的確權。數據一旦成為資產，就一定有擁有方，或者實際控制人，可以把他們統稱產權人。與實物不同的是，實物的產權是比較明確的，數據則比較復雜。產品在生產制造過程中，并沒有與消費者交易之前，制造商擁有完全產權。產品生產出來后，消費者通過購買支付相應的貨幣，便擁有了產品的產權。而數據的生產過程就不一樣了，我們的各種上網行為每天都會產生大量的數據，例如：網上購物、瀏覽網頁、使用地圖、評論/評價……。這些數據到底歸誰所有？控制權該如何治理？這是擺在面前的一個難題！我們看到近幾年一些不良商家，利用我們的上網數據，導致安全隱私泄密的事件也層出不窮。希望隨著技術和商業的進步，盡快能夠找到解決方案！

? ? ? 第三是流程的優化。數據治理的兩個目標：一個是提質量，一個是控安全?；ヂ摼W數據的確權目前已經是一個世界級難題，做好企業業務流程的優化可能會對隱私保護起到一定的作用。通過業務流程優化，規范數據從產生、處理、使用到銷毀的整個生命周期，使得數據在各階段、各流程環節安全可控，合規使用。另外，通過一定的流程優化，通過對相關流程進行監管，按照數據的質量規則進行數據校驗，符合“垃圾進、垃圾出”的數據采集、處理、存儲原則，提升數據治理，賦能業務應用。

? ? ? ?關于數據中臺到底應該在中臺治理還是應該在后臺治理，這個話題在筆者所在的數據圈子中引起了激烈的討論。群里參與討論的都是業界的大咖，討論內容也十分精彩，我截了部分的截圖，先看看大咖們的觀點：

? ? ? ?數據治理到底應該放在中臺，還是后臺，我個人的理解是：小數據標準化治理靠人工、大數據預測性分析靠智能，將兩者結合起來：“人工+智能”形成了完整的數據治理技術體系。一個企業的數據治理既離不開小數據的標準化治理，也離不開大數據的預測性分析。

? ? ? ?這里的小數據，是在承載事物實體的數據，例如：人、財、物等，是企業所有業務開展的載體。其實說白了就是主數據管理。對于主數據的治理筆者認為是一個后臺行為，治理核心是“唯一數據源、統一數據標準”，而要達到這一目標是需要從數據的源頭抓起的，并且需要大量的人為干預，比如：數據標準的制定和落實，數據質量的清洗，數據的申請審批，數據的分發和共享等。從這里也能夠看出小數據的治理，追求的是標準化、精確化，應該是一個后臺行為。

而在大數據時代，得益于大數據技術的突破，大量的結構化、非結構化、異構化的數據能夠得到儲存、處理、計算和分析，這一方面提升了我們從海量數據中獲取知識和洞見的能力。對于大數據，傳統的一味追求精確的思維受到了挑戰。而對于大數據的治理，允許一定程度上的容錯，反而可以在宏觀層面擁有更好的知識和洞察力。對于大數據的治理更多的是采用AI技術，例如：知識圖譜、語音識別等，對大數據的采集、處理、使用過程加以控制，使其能夠合規使用。所以，大數據的治理放在中臺似乎更為合適。

? ? ? ? 數據到底怎么治，這確實是一個寬泛的話題，首先是要明確治理的內容。針對不同的治理內容采取不同的數據治理策略。關于小數據和大數據的治理側重點上文已經說明。以下為筆者在數據治理領域總結的數據治理十大關鍵實踐：

1、成立組織，育人才

? ? ? ? 數據治理的根本目標的是提升數據質量，控制數據安全和合規使用。數據治理涉及范圍廣，參與人員多，需要一定的組織和制度的保障才可能獲得成功。首先，依據行業經驗來看，不論是基于后臺的小數據治理，還是基于中臺的大數據治理，“一把手”工程是數據治理組織建設的最佳實踐。尤其是中臺數據治理更是上升至企業戰略層面，自下而上的治理幾乎不太可能成功。其次，數據治理組織的建立并是組建一個非臨時團隊，而是要能夠支撐企業數據化業務的一個完整體系，包括：組織體系、管理體系、執行體系、技術體系等。第三，數據治理組織的人員選拔和人才培養，不同企業應有不同的策略。一般來說，建立數據治理組織從企業內部進行選拔相應的技術專家、業務專家更為合適，要比從外部招聘更能夠快速上手。不過，對于傳統企業，其內部更偏管理，數據治理團隊建設更多需要借助外部力量。

2、需求調研，摸家底

? ? ? ? 與數據項目一樣，詳細需求調研是開展數據治理工作的第一階段的重要工作。本階段主要是理解企業的戰略，并按照從上而下的策略進行開展企業數據管理的現狀調研，摸清楚企業數據資產的分布、數據的質量、數據的管理現狀、數據應用需求等情況。該階段的工作目標是確定數據治理項目的目標和范圍，評估數據治理成熟度，確定改進內容和方向并與客戶達成共識。

3、梳理數據，建標準

? ? ? ? 按照業務主題進行數據資產的梳理，并制定數據資產的標準。首先，定義數據資產元模型標準，包括：數據資產的數據含義、業務規則、質量規則、數據來源、存儲路徑、管理部門、管理人等，即數據資產的元數據標準，定義好數據模型是數據治理成功落地的重要前提；其次，重點對企業的核心數據資產——主數據進行標準化，包括：主數據標準化定義、參照字典的標準化、數據清洗、數據服務共享等；第三，對業務指標的屬性的標準化，指標的屬性分為“業務屬性”和“技術屬性”兩類，業務屬性包含業務人員通常認識的指標分類、名稱、計算公式、展現方式和查詢權限等；技術屬性包含技術運維人員所關心的系統來源、取數字段、取數頻率、加工規則等，其核心也是元數據管理。

4、優化流程，定制度

? ? ? ? 對于企業而言，數據來源于很多方面，內部數據如財務、人力、供應鏈、生產、銷售等；外部數據如政治、經濟、社會、科技、行業、市場、競爭對手等。雖然數據來源廣、數據量大是優點，但如果不加以整理和關聯，雜亂無章的數據不僅不利于分析應用，還將帶來不必要的人財物的消耗。所以，非常有必要對數據產生、采集、處理、加工、使用等過程進行規范。通過統一數據標準，制定合理的數據管理流程和制度，規范數據生產供應的過程。

5、搭建平臺，接數據

? ? ? ? 數據治理平臺的搭建要根據不同的客戶需求搭建不同模塊，數據治理平臺主要涵蓋功能模塊有：元數據管理、主數據管理、數據質量管理、數據標準管理、數據安全管理、數據模型工具、ETL工具等。數據接入是將各種來源、各種類型的數據，通過數據集成工具將這些零散的數據整合在一起，納入統一的大數據平平臺或數據倉庫中，這一過程需要符合數據治理平臺定義各種數據標準、質量規則、安全指標。所以，我們說數據治理項目不是為了治理數據而建設的，而是配合大數據平臺、數據倉庫、數據分析挖掘等項目，通過提升數據質量、控制數據安全，讓數據發揮出最大的效益。

6、建立指標，提質量

? ? ? ? 提升數據質量是企業數據治理的重要目標，也是企業進行數據分析挖掘、業務管理和決策的重要基礎，只有建立完整的數據質量體系，才能有效提升企業數據整體質量，從而更好的為業務服務。從技術面上講，定義完整全面的數據質量的評估維度，包括完整性、時效性等，并按照已定義的維度，在系統建設的各個階段都應該根據標準進行數據質量檢測和規范，及時進行治理，避免事后的清洗工作。

7、優化模型，控安全

? ? ? ? 數據安全治理，始于數據資產梳理。通過對數據資產的梳理，可以確定敏感數據在系統內部的分布、確定敏感數據是如何被訪問的、確定當前的賬號和授權的狀況。根據企業的數據價值和特征，梳理出企業的核心數據資產，對其分級分類，通過數據治理工具進行建模，定義敏感數據位置、描述和處理方式，保證數據的合規合法使用。

8、開放服務，促應用

? ? ? ?數據的治理是為促進數據更好的應用，一切不以應用為目的數據治理都是耍流氓。通過數據資產目錄、微服務等技術將數據進行開發共享，促進數據在企業中的應用，使得數據作為企業的寶貴資產應用于業務、管理和戰略決策中，發揮數據資產價值。

9、賦能業務，抓創新

? ? ? ?數據賦能是在管理和業務應用中發揮數據更大的價值，以數據驅動業務的落地。數據賦能核心是，①匯聚數據：完善企業內部信息數據化，采集外部數據；②治理數據：整合數據，清洗、轉換、分析、服務；③應用數據：以數據為驅動將洞察結果應用到實際業務中去，推動企業業務和管理的創新。

10、持續優化，再出發

? ? ? ?筆者認為企業的數據治理是一個螺旋上升模型，需要不斷的迭代和優化。數據治理不能一蹴而就，需要建立起長效的持續運營機制，要將數據治理變成企業的一種機制、一種文化、一種習慣，而數據治理每一次迭代優化都預示著企業數據戰略目標的再出發！