企业数据治理面临的 6 大挑战.pdf

数据作为数字经济时代新型生产要素，是企业的重要资产，也是赋能企业数

字化转型的基石。在向着数字化快速迈进的同时，当前企业数据治理都面临着各

种挑战和不足。企业越大，需要和产生的数据也就越多，数据越多，意味着就越

需要定制适合自己企业的有效的、正式的数据质量策略。

对企业而言，不同的行业、不同的业务特点，不同的信息化水平也预示着数

据治理过程中存在的挑战不尽相同。但是，企业数据治理普遍存在的问题和挑战

主要有以下6个方面：

01对数据治理的业务价值认识不足

“数据为什么重要？”，“数据治理到底能解决什么问题？”，“数据治理能实现

哪些价值？”这是困扰企业数据治理经常被企业领导和业务部门质疑的三大问题。

由于传统数据治理是以技术为导向，注重底层数据的标准和操作过程的规范。尽

管以技术驱动的数据治理也能够显示数据的缺陷，提升数据的质量，但是管理层

和业务人员似乎对此并不满足。

由于传统以技术驱动的数据治理模式没有从解决业务的实际问题出发，导致

企业对数据治理的业务价值认识普遍不足。为了快速实现数据价值和成效，最直

接的方式就是以业务价值为导向，从企业实际面临的数据应用需求和数据痛点需

求出发，以解满足管理层和业务部门的数据需求以实现数据的业务价值、解决具

体的数据痛点和难点为驱动来推动治理工作。

正如前文描述，企业数据治理的业务价值主要体现在：降低成本、提升效率、

提高质量、控制风险、增强安全、改善决策。不同企业所面对的业务需求、数据

问题是不同的，企业数据治理的业务价值也不是要以上六个方面都要面面俱到

（也或许还有不足）。
企业应该从管理和业务的痛点需求出发，将数据治理的业务价值量化，以增

强企业管理层和业务人员对数据治理的认知和信心。关于数据造成的业务痛点，

理解痛点的最好方法是询问和观察。数据治理的管理必须着重于业务需求，并且

经常需要着重于解决让业务人员感觉到的某种程度的痛苦或他们无法解决的问

题。

02缺乏企业级数据治理的顶层设计

当前企业普遍都认识到了数据的重要性，很多企业也开始探索数据治理。我

们看到，目前企业大量的数据治理活动都是项目级、部门级的，缺乏企业级数据

治理的顶层设计、以及数据治理工作和资源的统筹协调。

数据治理涉及到业务的梳理、标准的制定、业务流程的优化、数据的监控、

数据的集成和融合等工作，复杂度高、探索性强，缺乏顶层设计的指导，在治理

过程中出现偏离或失误的概率较大，如不能及时纠正，其性影响将难以估计。

数据治理的顶层设计属于战略层面的策略，它关注整体性、全局性、体系性。

数据治理顶层设计注重全局性，数据治理站在全局视角进行设计，突破单一项目

型治理的局限，促进企业主价值链的各业务环节的协同，自上而下的统筹规划，

以点带面的的实施推进。数据治理顶层设计注重的体系性，从组织部门、岗位设

置（用户权限）、流程优化、管理方法、技术工具，构建企业数据治理的组织体

系、管理体系和技术体系。

企业数据治理的顶层设计应站在企业战略的高度，以全局视角对所涉及到的

各方面、各层次、各要素进行统筹考虑，协调各种资源和关系，确定数据治理目

标并为其制定正确的策略、路径。顶层设计主要是抓牵一发而动全身的关键问题，

抓长期以来导致各种矛盾的核心问题，抓严重影响企业信息化健康稳定发展的重
大问题。唯有如此，才能纲举目张，为解决其他问题铺平道路。

03高层领导对数据治理重视程度

数据治理是企业战略层的策略，而企业高层领导是战略制定的直接参与者，

也是战略落实的执行者。数据治理的成功实施不是一个人或一个部门就能完成的，

需要企业各级领导，各业务部门核心人员，信息技术骨干的共同关注和通力合作，

高层领导无疑是数据治理项目实施的核心干系人。

企业高层领导对数据治理的支持不仅在于财务资金方面的支持（当然这是必

须的），对数据战略的细化和实施充分授权、所能提供的资源是决定数据治理成

败的关键因素。

企业数据治理一般都需要成立专门的组织机构，例如：数据治理委员会，尽

管很多企业的数据治理委员会是以一个虚拟组织。但是这个组织必须安排一名

“德高望重”的高管进行支持，我们姑且可以给这个岗位命名为“首席数据官

（CDO）”。数据治理委员会由CDO、关键业务人员、财务负责人、数据科学家、

数据分析师、IT技术人员等角色组成，负责制定企业数据治理目标、方法和一致

的沟通策略和计划。

数据治理项目实施中，CDO不仅需要负责对数据的定义，数据标准，治理

策略，过程控制，体系结构，工具和技术等数据治理工作的统筹，还需要关注如

何为业务增加价值以及是否获得关键业务负责人的支持。CDO经常关注数据的

业务价值，并利用数据科学家，分析师和管理