企业数据治理，并不止于数据

相信现在来聊数据，已经不再需要从各个角度来论证数据的价值和意义，不管什么行业的企业都已经把数据当作企业的重要资产。哪怕当下对于数据的需求还不多，但还是会通过数据库沉淀数据，为日后数据资产的价值化打好基础，避免在数字化时代被甩到后面。

在一些商业智能BI项目实施的时候，因为接触到的不同行业的不同企业很多，所以对数据的相关问题有些个人的理解。就比如常说的数据治理，这个话题其实之前也有聊过，一直在说数据治理对企业的重要性，以及没有数据治理时，企业的数据质量可能很低、数据也会存在很多错漏，这样数据是形成不了高价值资产的。

但还有一点可能说的比较少，那就是数据治理对于企业的思想文化、组织建设、驱动决策等方面也有极强的引导作用。企业没有可用的高质量数据自然是一个急需解决的问题，不过在实施商业智能BI项目的时候发现，企业不知道数据怎么用，发挥不出数据的真正价值也是需要面对的问题。当然，值得庆幸的是，数据治理项目能够全方位的解决这些不同角度的问题。

数据治理是什么

用主流的定义来说，数据治理（Data Governance）是组织中涉及数据使用的一整套管理行为。由企业数据治理部门发起并推行，关于如何制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。

数据治理 – 派可数据商业智能BI可视化分析平台

从这个定义就可以看出，为什么总说数据治理多么多么重要，一提到数据治理就是各种脏活累活，搞好了看不到，搞不好却容易背锅。“发起并推行”“制定和实施”“整个企业”“一系列政策和流程”这些词工作久了一听就觉得头疼，更别提还单独成立了数据治理部门，如果没有高层领导的全力支持以及整个企业的配合，那数据治理成功的概率可想而知。

不过哪怕如此困难，越来越多的企业伴随着信息化、数字化的推行，都开始了数据治理的推进。只要数据资产还能够为企业提供价值，数据治理就是非常必要的，它是企业实现数据战略的基础，更是一个整个管理体系，包括文化、组织、制度、流程、工具在内的系统性工程。

数据治理 – 派可数据商业智能BI可视化分析平台

所以数据治理的目标除了我们之前一直强调的要有数据，要有高质量可用的数据之外，还应该考虑到数据要怎样才能更好地利用，才能在数据治理完成之后，实现数据资产的价值化。

数据治理的数据战略

.在数据治理过程中，应该尽量从需求出发、提前规划好数据治理完成后，企业能够应用落地的大部分场景，然后根据实际业务进行治理。数据治理不是全面的对整个数据生命周期进行治理吗？为什么还需要考虑实际业务？

简单来说，数据治理的主要目标是全方位提升数据的质量，让数据的基础属性也就是及时性、完整性、唯一性、一致性、准确性等方面进行提升，例如及时性，销售数据要每天更新，市场数据要每周完成；完整性，这个业务流程都要记录哪些数据，订单、历史、浏览是否全面等等。

数据治理 – 派可数据商业智能BI可视化分析平台

还有数据治理也会强调数据分级分类和数据指标体系的建立，这就更要求贴近业务。比如数据主题分类，应该根据业务的具体属性来确认不同的主题，进行归纳汇总，同时数据具有不同的机密性，还应该把握好分级，保证一线业务人员正常利用的前提下，维护数据安全。数据指标则是要根据具体业务，把数据和指标进行一一对应，如此才能进行后续的数据分析、数据可视化分析等数据处理手段，这都是数据战略要求的数据治理目标。

数据治理的数据文化

数据治理因为其性质需要在实施过程中接触企业各部门不同人员，根据具体的业务调整数据治理方向，并进行相关绩效指标的确立。在这个过程中就有很多机会培养企业的数据文化。

数据治理 – 派可数据商业智能BI可视化分析平台

数据文化是企业利用好数据的前提，不然即使你完成了数据治理任务，得到了优秀的数据资产。但企业业务人员不愿意调整优化业务流程，也懒得花费时间阅读数据进行分析，拿数据治理就没有太大意义了。所以数据治理规划要把数据文化以及数据驱动力同样作为目标。

数字化时代，数据的重要性已经上升为国家安全战略，人们已经离不开数据，并把数据当成一种身体的延伸，开始淡化情感等主观因素的影响，用用事实和数据来思考问题、解决问题，这既是建立数据思维、形成数据文化的过程，也是数据文化的优势所在。

所以数据治理部门团队应该把数据决策、数据分析、数据思维等传播到企业的不同层级和部门。让企业能够以数据为基础建设，围绕数据来全面健康的发展业务，促进科学决策、团队协作的企业文化，提高数据资产的价值属性。