数据治理

本文基于 DAMA-DMBOK 框架整理，约 1394 字。

1. 引言

数据治理（Data Governance）的定义是在管理数据资产过程中行使权利和管控，包括计划、监控和实施。数据治理的目的是确保数据管理制度和最佳实践正确地管理数据，主要聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式（数据管理的目的是确保组织可以从数据中高效获得价值，数据治理是数据管理中的一个子命题）。数据治理项目的范围和焦点依赖组织的长短期需求，但多数项目都包括如下内容：战略、制度、标准和质量、监督、合规、问题管理，整个数据治理需要从组织上对各个模块和职责进行定义和调整，以便得到更好的实施和落地。

1.1 业务驱动因素

数据治理的驱动因素是数据治理项目进行的前提，也是项目进行的主要推动力。总体来说数据治理的驱动因素主要聚焦在减少风险和改进流程两者上，减少风险主要包括一般性风险管理、数据安全、数据隐私，流程改进主要包括法规遵从性、数据质量提升、元数据管理、开发效率上。其中法规遵从性是最基础也是最迫切的驱动因素，特别是重点监控行业（如金融服务、医疗健康、需要引入法律所要求的的治理程序）。

1.2目标和原则

数据治理的目标是使组织能够将数据作为资产进行管理，提供对应的治理原则、制度、流程、整体框架、管理指标，监督数据资产并指导数据管理过程中的各层级活动。在数据治理过程中，数据治理程序特点和数据治理原则是需要重点关注的。

数据治理程序特点

可持续发展：它不是以一个项目作为终点，而是一个持续的过程，需要把它作为整个组织的责任。

嵌入式：数据治理不是附加管理流程，需要融合软件开发方法、数据分析应用、主数据管理和风险管理。

可度量：数据治理做到友好积极的财务影响，但要证明这一影响，就需要了解起始过程并计划可度量的改进方案。

数据治理原则

领导力和战略：数据战略指导数据管理活动，同时由企业业务战略所驱动；

业务驱动：数据治理是一项业务管理计划，因此必须管理与数据相关的IT决策，就像管理与数据有关的业务活动一样（数据治理的本质是业务治理）。

共担职责：在所有数据管理的知识领域中，业务数据管理人员和数据管理专业人员共担责任。

多层面：数据治理活动发生在企业层面和各地基层，但通常发生在中间各层面。

基于框架：由于治理活动需要跨组织职能的协调，因此对数据治理项目必须建立一个运营框架来定义各个职责和工作内容。

原则导向：指导原则是数据治理活动、特别是数据治理策略的基础。

1.3基本概念

数据治理和数据管理：正如财务审计人员实际并不执行财务管理一样，数据治理确保数据被恰当地管理而不是直接管理数据。数据治理相当于将监督和执行的职责分离，数据治理和数据管理的关系如下图所示。

以数据为中心的组织：以数据为中心的组织将数据作为资产估值，在生命周期所有阶段进行管理，包括项目开发和持续运营阶段。为达到以数据为中心，组织必须改变将战略转化为行动的方式：将数据以企业资产管理起来、在整个组织内鼓励数据管理的最佳实践、数据战略与业务战略需保持一致、数据管理流程需持续迭代。

数据管理职责：确保数据资产得到有效控制和使用，数据管理活动将集中于以下部分：创建和管理核心元数据（业务术语、有效值及操作元数据的定义和管理），记录规则和标准（业务规则、数据标准和数据质量的定义和记录），数据质量管理（参与识别、解决数据相关问题，或促进解决问题过程），执行数据治理运营活动（制定治理制度、跟进执行进度）

昱珩的工业落地视角

在装备制造、能源化工等工业场景中，数据治理首先要解决『数据多头、口径不一』的问题。昱珩以 DAMA 数据治理框架为底座，帮助企业建立数据治理委员会、制定数据标准与管理制度，把 ERP、MES、SCADA、DCS 等系统的数据资产统一管起来，形成可度量、可持续的治理闭环。