众所周知，2020年新冠疫情爆发以来，“健康码”已常态化的出现在大家的日常生活中，这个全民参与其中的数字化疫情防控手段背后正是“数据治理”在发挥作用。
政府利用数据资源汇聚分析与数字技术等手段，通过“数据流”牵引带动真实世界中“人流”、“物流”、“商流”的复苏与回归，从而实现了社会治理现代化的一次跃升。
那么到底什么是数据治理？为什么要实施数据治理？以及该如何开展数据治理工作，才能引领企业加快数字化转型，从而获取更大的业务价值。今天小亿就来为大家分享一下。
一、什么是数据治理？
1.定义
DAMA国际数据管理协会对数据治理定义：数据治理是对数据资产的管理活动行使权力和控制的活动集合（规划、监控和执行）。
数据治理涵盖了从前端业务系统、后端业务数据库再到业务终端的数据分析，从源头到终端再回到源头，形成的一个闭环负反馈系统。从目的来讲，数据治理就是要对数据的获取、处理和使用进行监督管理。
具体一点来讲，数据治理就是以服务组织战略目标为基本原则，通过组织成员的协同努力，流程制度的制定，以及数据资产的梳理、采集清洗、结构化存储、可视化管理和多维度分析，实现数据资产价值获取、业务模式创新和经营风险控制的过程。
2.与数据管理、数据管控有何不同
（1）数据治理
数据治理面对的更多是战略层面、组织层面、制度层面的事务，是确立“什么样的决策需要在什么层级制定”。所以，数据治理是一个相对高阶的概念。对应的是一个“数据治理委员会”级别的机构，由这个委员会来建立数据治理的整体组织架构，定义责任主体，落实工作机制。
（2）数据管理
数据管理是操作和实施层面的概念，是通过一系列实际落地的办法去实现“治理”目标的具体过程。数据管理对应的是一个以“数据管理部”级别的职能部门+各个相关职能部门的矩阵化组织。通过内建组织机构和工作机制，有牵头、有配合、有主责、有落实，在各自的职能领域去完成数据管理的具体任务，包括企业级层面的数据标准化、数据资产管理，业务领域层面的数据规范化、数据质量改进等等。
（3）数据管控
数据管控是对“数据管理”要求在业务过程、产品设计、开发实现层面的具体实施。管控离不开“制度”+“规范”+“工具”+“考核反馈”，每一个管控机制，都应该有一个PDCA的管理循环。数据管控的落地，制度设计和规范定义层面，需要数据管理部门牵头推进，同时，也需要技术部门的 工具 和系统能力支撑，才能“管得了，管得住，管到位”。
如上图，清洁源头数据就是一个数据治理目标，数据标准管理与数据质量管理就是帮助实现治理目标所制定的管理制度，在开发过程中的标准管控、在运行阶段的质量管控就是在实际工作当中实现标准、质量管理的具体措施和手段。
二、为什么要实施数据治理？
在我国，各行业的信息化发展和建设水平并不均衡，对于部分行业，信息化还处于刚刚起步的阶段。但我们可以从金融行业、通讯行业、地产行业、传统制造业以及农业领域总结出规律：企业信息化大致经历了初期的烟囱式系统建设、中期的集成式系统建设和后期的数据管理式系统建设三个大阶段，也由此导致了一些问题：
1.数据质量参差不齐
现在，企业越来越重视管理数据资产，但其实并不是所有数据都是数据资产，数据中也有垃圾数据。由于企业各个业务系统或模块都是按照各自的需要录入数据，业务系统不需要的信息就不录，没有统一的录入工具和数据出口，造成同样的数据在不同的系统有不同的属性信息，数据完整性无法得到保障。
2.IT系统孤岛化，数据流通受阻
目前，大多数企业的信息化建设初期缺乏整体规划，大多都是以业务部门驱动的单体架构系统或套装软件，数据分散在这些架构不统一、开发语言不一致、数据库多样化的系统中，导致在企业内部形成了一个个的“信息孤岛”。这些“孤岛”之间缺乏有效的连接通道，数据不能互联互通，不能按照用户的指令进行有意义的交流，于是数据的价值不能充分发挥。
3.缺乏有效管理机制
许多企业尝试通过生产系统的业务流来控制数据流，但由于缺乏有效的管理机制和某些人为的因素，比如平台间数据标准不一，缺少全局规范文档，信息无法对接应用等，在数据流转过程中，导致了大量的垃圾数据。以外，数据产权不明确，管理职责混乱，管理和使用流程不清晰，也是造成数据质量问题的重要因素。
4.存在数据安全隐患
近年来，随着大数据的发展，诸如此类的数据安全事件多不胜数。数据资产管理上，正在由传统分散式的人工管理向计算机集中化管理方向发展，数据的安全问题愈来愈受到人们的关注。
综上所述，看似表面的数据问题其实会对业务带来严重的影响。数据不真实、不准确、数据不透明、不共享都将增加企业经营风险、管理难度和复杂度。最终导致跨组织信息共享程度低、资源难于整合。
而数据治理是所有数据应用的基础和根基，它的好坏直接影响数据应用过程中的价值体现。同时，数据治理也是一个组织进行数据资产沉淀的基础，直接决定了一个组织的数据资产能否得到有效的沉淀，以及在数据应用过程中能否充分发挥数据价值。
三、数据治理的目标
数据治理本身不是目标，它只是实现组织战略目标的一个手段，即通过有效的数据资源控制手段，进行数据的监督管理，以提升数据质量进而提升数据变现的能力和管理的效率。例如基于需求的智能制造、智慧市场监督管理、融合市民服务、一网通办等。
从组织职能和体量大小方面来看，不同类型组织的数据治理目标大不相同，例如，集团企业总部和政府大数据管理局的目标是：制定数据政策、保障数据安全、促进数据在组织内无障碍共享，其重点目标是推进和保障数据战略的顺利实施。
而企业和政府业务部门的目标是：通过提升信息管理能力，提升组织精细化管理水平，提高业务运营效率，增强组织决策能力和核心竞争力，从而为实现组织战略目标提供能力支撑，其重点目标是数据价值获取、业务模式创新和经营风险控制。
四、数据治理包含哪些内容？
数据治理并不是某一个系统应用，而是一个以系统工具为支撑、管理机制为基础的系统工程，只是各数据治理项目切入点有所不同，比如：
①面向源端的业务系统去进行数据治理，可能解决的是流程-数据一体化治理的问题，保证各个业务系统和职能之间的流程贯通；
②面向大数据平台的建设阶段或运营阶段的数据治理，这个时候更多考虑到的是数据之间的拉通，数据标准的统一，数据质量的监控，数据平台各层之间的数据血缘关系，数据流；
③对于一些先进企业，他们的数据会涉及对外共享合作，那么，企业的数据治理机制也会发生改变。针对需要共享的数据，企业更多优先关注数据权属问题，同时，考虑如何通过多方计算，联邦学习等技术从数据安全的角度保证数据的共享。
总的来说，数据治理的切入点分为：整体规划模式、面向业务分析模式、数据整合平台模式、大型应用建设模式、数据管理平台和工具模式等。
了解更多数据治理相关知识：
https://www.esenruizhi.com/industry-news/data-governance.html
https://www.esensoft.com/industry-news/data-governance.html
