复制数据治理“最佳实践”的正确姿势

随着大数据建设步伐加快，数据问题逐渐显现。按部就班地建立数据治理体系，已经无法满足许多企业数据平台的建设速度和数据管理的能力要求。“最佳实践”像是围绕着迷人光晕的果实，对于每一个急需整治数据问题的企业来说，直接借鉴或复用“最佳实践”似乎是风险低见效快的好办法。

回顾众多企业的数据治理经验，直接借鉴或复用“最佳实践”的案例不在少数，但是往往给企业带来了新的困扰。有些企业借鉴了“最佳实践”管理机制，建立了数据治理委员会、数据治理办公室、数据治理工作组的三级虚拟组织，但是由于缺乏“责权利”配合，人浮于事无法开展实质性的工作；有些企业复用“最佳实践”的数据标准，但是在自己的企业中怎么都不适用；有些企业复用“最佳实践”的数据模型，但是在自己的数据平台上，却跑不通。到底是什么原因阻碍了这些企业通往数据治理成功的道路？

数据治理说到底是为企业的数据和数据管理服务的。企业的数据与企业的业务密切相关，而数据管理作为企业复杂管理体系的一个分支，必然需要承袭企业自身的管理基因。同时，数据治理的目标往往决定了数据治理的范围和深度。所以，企业中影响数据治理的三个要素——数据治理目标、企业的管理基因和企业的基本业务，都对数据治理成败起着关键的作用。

首先，企业确定的数据治理目标必须是一个可以明确定义、可以实现、可以量化的目标，而不是一个笼统的概念或者口号。例如，“保障数据质量”这其实只是一个口号；“降低数据质量问题10%”，就是一个明确的可衡量可实现的目标。有了明确的数据治理目标，为数据治理工作指出了明确的方向，同时数据治理目标是否达成也是衡量数据治理项目的成败的关键指标。所以，企业数据治理项目必须有一个明确的可实现的目标。

在选择“最佳实践”前，需要确保企业所要达成的数据治理目标与“最佳实践”的数据治理目标一致。”例如，国内某运营商的两个省公司同时启动了数据治理项目，A省公司数据治理项目的目标是解决某业务线条“数据不一致、不准确”的顽疾，当期的数据治理范围是该业务条线的相关数据和数据管理相关工作；B省公司的数据质量基础好，数据治理的目标是为新建的大数据平台的数据管理工作奠定制度基础，明确数据认责，保障大数据平台的数据价值，当期的治理范围是数据认责、大数据平台数据管理工作的责任划分和建章立制。不同目标的数据治理项目成果显然不可复制。

其次，数据管理的对象不止是数据，还需要管理人员和行为。数据治理项目的主要任务之一是要建立数据管理体系，而企业的管理基因直接决定了能够在该企业成功落地的数据管理模式。例如，虚拟的数据管理组织，由于缺乏考核机制和激励机制，在没有其他外力的作用下，很难在职能型组织结构中发挥作用；但是在矩阵式的组织结构中就可以很好的运行。所以，数据管理组织的定义需要符合企业当前的组织结构形式。同样，数据管理流程作为企业的管理流程，直接影响了数据管理工作的执行效率和效果。在扁平化管理的企业中，数据管理流程应当采用扁平化的设计方法，保障流程效率。在职能型的组织机构中，数据管理流程应当采用逐层审批的形式，分散管理责任，提高控制力。基于企业自身的管理习惯制定的数据管理流程，可以大大缩短落地实施的磨合期，提高管理效率。

在采用“最佳实践”前，需要保证企业自身的组织管理现状与“最佳实践”的组织管理体系相一致。为了最大程度上降低“最佳实践”落地过程中严重的水土不服给企业带来的影响，必须对最佳实践的组织管理体系与企业当前的组织管理现状进行分析比对。保证最佳实践与企业的组织管理体系最大程度的一致，才能保证最小的管理机制落地风险。

再次，每个企业的业务范围都不可能完全相同，即使是同行业的两家企业，也存在差异性。对于数据质量、数据标准、数据模型等专项治理工作，治理成果与业务紧密相关。我们在进行这类专项治理项目时，往往需要业务部门密切配合，深入了解企业的业务定义、业务规则、业务流程、业务关系等信息，从业务导向数据，逐渐形成数据治理成果。所以，专项数据治理必须从企业的业务出发，建立业务与数据的关系。

在借鉴“最佳实践”前，需要理解企业的自身业务，掌握“最佳实践”与企业的业务差异。在“最佳实践”落地前，制定相应的弥补方案，减少“最佳实践”的业务盲点，保障数据治理成果的全面覆盖。

最后，数据治理并非一日之功。大多数企业不可能从薄弱的数据管理能力水平一步到位达到数据治理目标。例如，许多企业在数据治理工作之初，由于所需管理的数据类型相对简单、涉及业务部门单一、管理工作复杂度低，数据管理工作由信息部门或技术部门的人员兼顾负责数据治理。但是随着大数据时代到来，数据类型越来越复杂，数据来源越来越丰富，数据消费者不再是单一的业务部门，可能会涉及外部机构。同时，随着数据管理工作的深入，数据治理任务细化，原来的信息部门或技术部门已经不能够承担繁重复杂的数据管理任务，数据治理工作就需要成立专门的团队来承担。原来的数据管理机制、流程和标准也需要随之升级。所以，数据管理能力需要一个逐步提升，逐步适应的过程，太急功近利可能会得到反效果。

在落地“最佳实践”前，需要确定企业的数据管理现状与“最佳实践”之间的差距，结合企业各方面管理的水平和经验，为企业制定分阶段实施的数据治理发展路线规划，制定每个阶段的小目标。在逐步实施的过程中达成小目标，减轻在落地过程中强烈的排异反应，逐渐缩小企业数据管理能力与“最佳实践”的差异，最终达成数据治理的整体目标。

世界上不存在一模一样的两片树叶，同样也不存在业务一模一样的两个企业。如果真的有两个一模一样的企业，那么其中一个就没有存在的必要，势必很快会消失。所以，寻找一个适合复制的“最佳实践”样本并非易事，复制数据治理“最佳实践”对于企业来说并不是最好的选择。按部就班的实施数据治理项目，看似需要投入更多的精力，更长的实施周期，但却能够获得真正属于企业自己的数据管理体系。

作者简介

寇媛灼，信息系统项目管理师，PMP。超过12年IT从业经验，曾从事过软件开发、系统集成、IT应用规划、数据治理等工作。参与过通信、政府、金融、制造业等行业各类信息系统项目，其中在通信业深耕10年。在数据治理领域，理论与实践相结合，注重实施落地，关注成果价值。