导读
在前所未有的数字经济发展速度之下，数据治理的重要性日益显著。实施大数据战略，推进数据资源开放共享，数字经济赋能传统产业转型升级，催生新产业、新业态和新模式，已成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。如果企业数据缺乏有效的连接和挖掘价值，就不能按照企业发展的迫切需要，利用数据进行高附加值的创新。
1.治理什么?怎么治理?
先做什么后做什么?达到什么样的目标?而这一切，都应由业务模式和业务需求确定。因为，数据治理本身不是目标，只是实现企业战略目标的一个手段。数据治理的初心和使命，都来自实际业务创新的需求。数据治理是否与业务创新模式的需求相吻合，是衡量数据治理是否成熟、是否成功的重要标志。很多数据治理的项目，都是由于初期没有明确的需求，导致最后难以验收。
企业数据治理的目标在于：通过制定数据政策，保障数据安全，推进数据在组织内无障碍共享，保障数据战略的顺利实施，并提升数据管理能力，优化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，从而为实现战略目标提供有力支撑，进而获取数据价值、创新业务模式和控制经营风险。
2.数据治理是转型不可缺少的一环
越来越多的企业开始了解并推行大数据治理，最重要的推动力是企业面临数字化转型的巨大压力。然而，数字化转型的基础需要打通数据。如果数据不通，标准不一致，质量不高，就无法做分析。那应该如何连通企业内部数据呢?这就必须要做数据治理。
这不等同于简单的数字化，因为数字化的过程可以理解为把业务流程系统化，通过IT系统实现了传统业务的开展，实现业务过程、业务结果的电子化，数字化的过程可能会借助当下先进的科技能力。通过已有业务数据和外部扩展数据的不断分析、探索，回馈业务流程再造、组织架构调整和优化，提升客户体验，对产品、业务进行迭代和创新，我理解这就是转型的“目标”或者大致方向。
企业数字化，通过数据治理建立标准体系、质量体系、数据安全体系等等，建立数据管控组织、管控流程，提升数据资产价值，从而实现业务创新、有前瞻性的满足或引领客户需求，由数据治理推动企业治理，从而达到转型的目标。
3.数据治理需要够“硬”的收入支撑
做好数据质量会增加成本，开展数据治理的前提是，在系统、业务板块或全企业范围产生的收益大于成本。数据治理的好处只有远远大于信息孤岛的便利，才有可能从根本上，达到数据治理的目的。一定程度上说，信息孤岛的长期存在，有一定的合理性和必然性，这是在精细化的组织分化、职责分化下，必然产生的业务割据。如果不能明显的展现出数据集中后的价值，就无法根除产生信息孤岛的土壤。特别是在以下三个方面：
第一是业务模式“纵强横弱”的现状。在传统业务格局下，纵向贯通是业务的必然要求，也是数据“烟囱式”生长的自然结果。如果见不到“横强”的实实在在价值，就不可能影响业务模式的转型。
第二是“数据治理重要性”的排名。缺乏高层支持是导致数据治理失败的主要原因。如果要将信息孤岛的问题，列入一把手迫切要解决的问题，就需要回到第一条数据聚集的价值份量上来。
第三是执行层缺乏“数字化转型人才”。数据治理不是领导重视了就会迎刃而解，需要懂得业务与技术融合的专业团队，通过内外部协同配合，方能在数据治理过程中，逐步把数据价值体现出来。
4.数据治理需要注意什么?
数据治理是一个复杂的系统工程，涉及到企业和单位多个领域，既要做好顶层设计，又要解决好统一标准、统一流程、统一管理体系等问题，同时也要解决好数据采集、数据清洗、数据对接和应用集成等相关问题，这时就要注意以下方面：
（1）跨组织的沟通协调问题
数据治理是一个组织的全局性项目，需要IT部门与业务部门的倾力合作和支持，需要各个部门站在组织战略目标和组织长远发展的视角来看待数据治理。因此，数据治理项目需要得到组织高层的支持，在条件允许的情况下，成立以组织高层牵头的虚拟项目小组，会让数据治理项目事半功倍。
（2）投资决策的困难
组织的投资决策以能够产生可预期的建设成效为前提，但往往综合性的数据治理的成效并不能立马体现，它更像一个基础设施，是以支撑组织战略和长期发展为目标，所以，导致此类项目无法界定明确的边界和目标，从而难以作出明确的投资决策。
（3）工作的持续推进
数据治理是以支撑组织战略和长远发展为目标，应当不断吸收新的数据来源，持续追踪数据问题并不断改进，所以数据治理工作不应当是一锤子买卖，应当建立长效的数据改进机制，并在有条件的情况下，尽量自建数据治理团队。
（4）技术选型
这几年随着大数据的发展，有针对传统数据库的，有针对大数据数据库的，再加上组织对自身数据资产情况没有一个清晰的认识，这也就导致了数据治理的技术选型困难。
5.总结
一次成功的数据治理，不仅能给企业带来明显的效率和成本上的改进，还会锻炼企业的数据团队，为以后的数字化转型价值体系建设，奠定扎实的基础。真正启动数据治理项目之前，一定要对数据的现状和问题有清晰的认识，有明确且具体的数据治理需求和目标，掌握数据治理中各种常见的误区和陷阱，才能把数据治理创效真正落到实处，做到数据更准确，数据更好取，数据更好用，真正地以数据驱动业务创新价值。
