编辑导读：数据治理是指企业的数据架构、数据标准、数据质量、数据安全等领域的建设和管理的全流程。作为一个数据工作者，无论公司数据体量大或小，都应该具备数据治理的能力。本文从自身经验出发，分析如何构建企业级数据治理体系，希望对你有帮助。

通常我在做数据架构的时候，都会在旁边加一个“数据治理”。但是吧，大多数时候都只是写写而已。因为这个数据治理太费劲了，短期内吃力不讨好，长期才能见效，但是又不足为外人道也。就像是好媳妇把家里拾掇的干干净净利利索索的，外人看来，最多夸一句“家里真干净”，却不会说你这是大才。

上图是数据架构示例，数据治理是其中非常重要的一部分。它的意义决定了上层应用的可用性，甚至决定了项目的成败。很多数据项目建完之后，老板都有一个非常显著的感觉：花几十万建的系统，还没有秘书好用。这是为啥呢？

一、“数据治理”到底有什么用？

一句话解释：“数据治理”往大了说，是进行企业的数据架构、数据标准、数据质量、数据安全等领域的建设和管理的全流程；往小了说，是在数据管理和使用层面之上进行规划、监督和控制。

嗯，你理解的没错，通常在数据体量较大的公司，数据治理才会被提上桌面。但是作为一个数据工作者，我认为无论你有多少数据–哪怕只是记手账–都需要进行数据治理。一个追求完美的数据工作者，应该要有数据洁癖。

二、“数据治理”应该做什么？

其实绝大多数事情，早已经有无数人在研究，也有很多的研究成果。稍微收集一下就会有很多很多的资料。

目前国内外数据治理的理论及规范：

国外：

• CWM 1.1
• MOF
• DAMA- DMBok
• DMM

国内：

• DMCM
• DCMM

在数据质量国家标准《GB/T 36073-2018》数据管理能力成熟度评估模型中定义，应该从数据战略、数据治理、数据架构、数据标准、数据生命周期、数据应用、数据质量、数据安全等八大方面进行评估。

在《DAMA-DMBOK职能框架》中，定义了10个主要的数据管理职能：

这两张图可以贴到你的ppt里面去，让你的领导看看数据治理是一个多么庞大的体系。

三、“数据治理”应该怎么做？

偷偷告诉你一个小技巧，有一个大帽子盖在前面，就方便咱做事，这招屡试不灵。

前面两张图，给你提供了一个巨大的帽子，但是怎么落实呢？这就可大可小，随心控制了。

我再给你扔一张图：

如果，你的公司啥都没有，就几个数据工程师。老板说要建数据中台，那么你有两种选择：离职；坚持，一定要坚持，坚持看完整个项目的失败，这样你就能经历一个完整的失败案例。

扯回来。如果公司要让你做数据治理、数据管理、数据战略等事情，你就照着上面的表格去写就好了。

第一阶段：其实就是各种规划

• 首要的事情肯定是组织保障，啥话不说，先招几十号人来，人越多，你的位置越稳（来自于互联网摸鱼大法，笑^_^）；
• 然后是各种流程、标准、制度建设，数据安全管理制度、数据处理流程、数据提取流程、元数据标准、主数据标准等。
• 还有各种摸底，数据资源梳理、数据需求梳理等等。

第二阶段：其实就是各种建设

• 根据元数据标准、主数据标准，建设元数据、主数据
• 根据数据处理流程、数据提取流程、数据需求梳理结果，建设各种固定报表、即席查询等内容
• 根据数据资源梳理结果，进行数仓的规划和建设

第三阶段：其实就是上各种平台

• 建设数据地图、血缘分析、数据资产目录等，将数据资产化
• 进行数据开放，进行各种AI探索
• 其实上面的建完了，基本上能打通的也都打通了，能统一的也都统一了，再加上一些统一管控的服务，数据中台也就差不多顺理成章，做好了

四、数据治理能不能一步到位？

看你是从哪一步开始走了。

如果你公司有成建制的数据团队，早就已经拉平认知、统一定义，流程规范，制度严谨，技术先进，投入有保障，那没问题，只要稍微组织一下相关知识的学习，做个半年规划，投入人力物力，肯定一步到位。

如果你公司就3、5个数据工程师，那么你有两个选择，离职；坚持看完整个项目的失败。对了，上面好像讲过了。

你问我为啥这么肯定？因为我经历过~~

地基不稳，无异于泥塘之中起高楼，能做起来简直是奇迹！

五、数据治理全景图

好了，最后放一张数据治理全景图，镇楼！

转发，点赞，在看，安排一下？

作者：大数据架构师，国药国华大数据总监，擅长BI、数仓、数据中台产品规划领域，公众号：大数据架构师

本文由 @大数据架构师 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议