企业如何快速实现一个数据治理项目

大数据治理是诸多数据问题的全面解决之道。企业只有建立了完整的大数据治理体系，保证数据的质量，才能够真正有效地挖掘企业内部的数据价值，对外提高竞争力。数据治理项目成功的核心要素如下：

1、明确数据治理责任，建立数据治理组织
数据出了问题，到底是谁的责任?因为数据主要是IT系统产生的，所以一直以来，解决数据问题都被认为是IT部门的职责。而IT部门也饱受其苦，数据定义和业务规则，业务部门最清楚;数据录入，业务人员负责;数据使用，业务人员是用户;数据考核，业务部门有权力……但实际上，要切实解决数据问题，开展数据治理工作，就必须先清楚一点：数据治理，是业务部门和IT部门共同的职责。

图是典型的中国式数据治理组织架构

数据治理/管理领导小组设在信息化领导小组之下，可以单设，也可以是信息化领导小组的一个职责，而虚框中的数据治理部门可能是实体部门，也可能是由牵头业务部门和IT部门联合组成的虚拟团队。

值得一提的是，越来越多的企业开始重视数据治理工作，一些企业高管团队中也产生了一个全新的职位——首席数据官(CDO)，是组织内大数据战略的制定者和推动者，负责组织内数据资产的开发和利用，通过数据推动组织业务的创新和发展，通常直接汇报给CEO或CIO。

2、管理出成效，制度是保障
大数据治理需要管理和制度的有力支撑，可结合企业的现状，制定相应的管理办法、管理流程、认责体系、人员角色和岗位职责等，颁布相关的数据治理的企业规章制度等。

举个例子，在一个数据治理项目中，为了加强数据保密管理，根据重要程度、公开范围、数据使用频次和数据安全要求，针对数据制定了四个重要级别：极敏感级、敏感级、较敏感级、低敏感级，并根据不同级别实施相应的管理举措，级别越高，数据管理的要求越高。

3、数据规范：没有规矩，不成方圆
数据规范是指对企业核心数据进行有关存在性、完整性、质量及归档的测量标准，为评估企业数据质量，并且为手动录入、设计数据加载程序、更新信息以及开发应用软件提供的约束性规则，数据规范一般包括数据标准、数据模型、业务规则、元数据、主数据和参考数据。

制定数据标准的目的是为了使业务人员、技术人员在提到同一个指标、名词、术语的时候有一致的含义。数据模型对企业运营过程中涉及的业务概念和逻辑规则进行统一定义。业务规则是一种权威性原则或指导方针，用来描述业务交互，并建立行动和数据行为结果及完整性的规则。元数据能够帮助增强数据理解，可以架起企业内业务与 IT 部门之间的桥梁。主数据用来描述参与组织业务的人员、地点和事物。参考数据是系统、应用软件、数据库、流程、报告中及交易记录中用来参考的数值集合或分类表。

4、数据治理活动，理论结合实践
数据治理活动是指为实现数据资产价值的获取、控制、保护、交付以及提升，对数据规范所做的计划、执行和监督工作，一般包括以下活动。

数据架构管理，用于定义企业数据需求，设计实现数据需求的主要蓝图，通常包括数据标准管理、数据模型管理、数据集成架构等;数据质量管理，指通过计划、实施和控制活动，运用质量管理技术度量、评估、改进和保证数据的恰当使用;元数据管理，指通过计划、实施和控制活动，以实现轻松访问高质量和整合的元数据;数据安全管理，指通过计划、制定并执行数据安全政策和措施，为数据和信息提供适当的认证、授权、访问和审计;参考数据和主数据管理，指通过计划、实施和控制活动，达到保证参考数据与主数据的一致性。

5、数据治理软件：工欲善其事，必先利其器
目前业界流行的数据治理软件，一般也称为数据资产管理产品、数据治理产品，主要包括的功能组件有元数据管理工具、数据标准管理工具、数据模型管理工具、数据质量管理工具、主数据管理工具、数据安全管理工具等。这里必须推荐亿信华辰一站式数据治理管理平台-睿治，打通数据治理各个环节。

企业利用亿信华辰数据治理平台主要解决企业不同来源数据集成过程中遇到的问题，能够提供统一的元数据集成、数据标准管理、数据模型设计、数据质量稽核、数据资产目录、数据分析服务等能力。

再举个应用实例，某政策性银行以行长为核心建立了数据治理机构，数据治理由业务部门主导，IT部门执行，并且引入质量考核体系。亿信华辰为其构建出一体化的开发、调试、部署、运行和管理维护平台，规范数据的需求、设计、开发、集成、应用等环节，帮助发现数据质量问题，推动数据治理工作的开展，建立数据质量检核系统。