数据治理目标 -必考

目标和原则

数据治理的目标是使组织能够将数据作为资产进行管理。数据治理

提供治理原则、制度、流程、整体框架、管理指标，监督数据资产管

理，并指导数据管理过程中各层级的活动。为达到整体目标，数据治理

程序必须包括以下几个方面。（

1）可持续发展（Sustainable）

治理程序必须富有吸引力。它不是以一个项目作为终点，而是一个

持续的过程。需要把它作为整个组织的责任。数据治理必须改变数据的

应用和管理方式，但也不代表着组织要作巨大的更新和颠覆。数据治理

是超越一次性数据治理组件实施可持续发展路径的管理变革。可持续的

数据治理依靠于业务领导、发起者和所有者的支持。

（

2）嵌入式（Embedded）

数据治理不是一个附加管理流程。数据治理活动需要融合软件开发

方法、数据分析应用、主数据管理和风险管理。

（

3）可度量（Measured）

数据治理做得好有积极的财务影响，但要证明这一影响，就需要了

解起始过程并计划可度量的改进方案。

实施数据治理规划需要有变革的承诺。早在2000年，下列可以帮助

建立起强大数据治理基础的原则就被定义出来[1]。

（

1）领导力和战略（Leadership and Strategy）

成功的数据治理始于远见卓识和坚定的领导。数据战略指导数据管

理活动，同时由企业业务战略所驱动。

（

2）业务驱动（Business-driven）

数据治理是一项业务管理计划，因此必须管理与数据相关的IT决

策，就像管理与数据有关的业务活动一样。

（

3）共担责任（Shared Responsibility）

在所有数据管理的知识领域中，业务数据管理专员和数据管理专业

人员共担责任。

（

4）多层面（Multi-layered）

数据治理活动发生在企业层面和各地基层，但通常发生在中间各层

面。

（

5）基于框架（

Framework-based）

由于治理活动需进行跨组织职能的协调，因此对数据治理项目必须

建立一个运营框架来定义各自职责和工作内容。（

6）原则导向（

Principle-based）

指导原则是数据治理活动、特别是数据治理策略的基础。通常情况

下，组织制定制度时没有正式的原则，他们只是在试图解决特定的问

题。有时原则可以从具体策略通过逆向工程反推得到。然而最好把核心

原则的阐述和最佳实践作为策略的一部分工作。参考这些原则可以减少

潜在的阻力。随着时间的推移，在组织中会出现更多的指导原则与相关

的数据治理组件共同对内部发布。