再问数据中台 - 数据中台里的数据质量应该如何保障？

过去这么多年的经验教训告诉我们，数据质量的问题是不可能百分之百解决掉的，因为业务变化的速度快于数据变化的速度，这是一个客观存在的而且短期内不可能改变的事实。我们最应该关心的应该是数据如何能够给业务产生价值，即使只有50%的数据准确度，在治理数据质量的同时，依然要找到这些数据可以为业务产生价值的方法和场景。

    这个问题应该改成，如何治理好现有的数据为业务产生价值。

    数据治理是要服务于业务场景的，而传统的数据治理方法，更多的将数据和业务独立了出来，最后数据治理项目的成果基本上可以归纳为创造了”三个一“工程：

    一堆新岗位：传统的数据治理项目一般会产生一堆新职位，比如主数据管理员，物料管理员，数据治理委员会等。

    一摞新流程：一批新的流程和标准会发布出来，告诉所有的业务项目组，应该遵循这个流程来管理数据。

    一批新系统：会上线一批数据管理系统，将流程和规则固化到系统中。

    但是，很少有数据治理项目能根本上解决数据质量的问题，并且有些项目导致业务的速度变慢了，最后都流于形式和标准。

    这是因为传统的数据治理都是管控式治理，而不是服务式治理。他们的目标是把数据标准定出来，然后让业务服从于这个数据标准，却忽视了，数据标准是为了业务服务的。

    所以，在精益数据创新体系中，我们提倡和实践新的治理方法：精益数据治理（Lean Data Governance)：服务式治理，重场景轻标准，元数据驱动

服务式原则：

我们实践服务式的治理，轻管控，以解决业务问题为目标，而不以数据质量为唯一目标

    场景核心原则：

数据标准越轻越好，强调与业务场景的融合，能够服务好业务场景，产生业务价值的数据标准就是好标准

    元数据驱动原则：

原来的数据治理很多都是事前进行管控，让业务服从于数据管理，比如主数据的管理，需要有事前审批。而我们现在更多的在实践利用元数据驱动的数据管理的方式，将审批流程弱化，通过自动化数据技术，让业务无感，从事前管控变成事后归因。不影响业务交易的速度，将复杂的事情坐在后端。