序言
在数字化时代，数据已成为一种极具价值的商业资源。然而，它很少像其他业务资产一样被一致和透明地对待，因此，限制了组织对其业务价值最大化所需的数据资产的访问。尽管对整体数据地图的需求日益增长，但对许多组织来说，数据治理仍然是一个黑盒子。从事数据治理或相关领域的公司大多避免将其称为“数据治理”，或将战略视角附加到数据治理上。然而，对于组织来说，要想变得更受数据驱动，从而能够开发数据经济的潜力，就必须清楚什么是数据治理以及它如何实现。
一 数据治理的定义和关键因素
由德国经济研究所(IW)和弗劳恩霍夫软件与系统工程研究所(ISST)联合开展的题为“数据经济和数据驱动业务的管理”的联合项目对数据治理的定义如下:数据治理是组织内部和外部所有利益相关者处理和管理数据的基础框架。与许多现有定义相比，这个概念既包括单个公司，也包括业务生态系统中的其他实体。
从组织的系统、流程和战略级别及其数据生态系统可以看出，数据治理与数据管理和数据操作是分开的:
■在系统层面上，数据体系结构定义了数据生态系统的技术实现。
■在流程级别上，数据管理表示数据治理框架内的数据生态系统的操作实 现。
■在战略层面上，愿景、使命和战略定义了实现业务活动和目标的数据生态系统的角色。
因此，数据治理的关键能力是确保所有可能的管理任务和运营的数据可用性和数据质量(准确性、完整性、可靠性)，有助于公司的愿景、使命和战略实现。数据治理的目标是以高效、有效的方式确保企业数据的可解释性、正确性、完整性、可信赖性、安全性、可访问性和可跟踪性。
二 数据治理的维度
数据治理由相关维度和部分重叠的子维度组成。下图描述了这些子维度以及要回答的问题。
1 资产
它是数据治理的核心。数据是战略资产，其质量需要得到保证。数据资产对于提高决策能力和组织绩效的战略价值需要评估和理解。需要衡量与合作伙伴共享或出售给合作伙伴以提高业绩或直接贡献收入的数据的价值。出于这些目的，数据治理定义了如何在整个组织中确定和识别数据的经济价值。在许多公司，数据评估工具仍处于起步阶段。确定数据价值的方法主要包括基于市场价格、成本和收益的方法。
2 角色、任务和职责
理解了数据的战略价值后，数据治理的核心元素是角色、任务和职责的定义和确定。首先，应该清楚谁对数据的质量负责，谁拥有数据的所有权。这种所有权应该集成到数据治理结构中。如果有必要，应该了解何时、如何以及向谁升级数据问题。数据管理员通过维护业务术语来确保满足业务需求，确保数据定义保持一致，并监控策略的遵守情况。
3遵从性
数据治理促进流程和法规的实施，以遵从内部和外部法规，如通用数据保护法规(GDPR)、个人隐私保护条例。特别是，数据治理为保护隐私偏好奠定了基础。
4安全性
数据治理还定义了确保数据安全性的流程，其中包括防止数据被篡改、销毁和未经授权向第三方披露。鉴于网络攻击和网络间谍活动的风险日益增加，这一点尤其重要。如我国新发布的数据安全法。
5过程
数据治理需要数据质量管理的适当过程。这包括在纠正数据错误时对源的正式反馈回路，这样错误就不必重复纠正。相关流程还对数据进行结构和分类，描述数据如何在组织内部和外部移动，以及将业务术语链接到业务术语表。在数据生命周期管理方面，流程包括数据的创建、更新、维护和删除过程。
6体系结构和工具
这个维度定义了数据流程的技术实现标准。该体系结构在概念层次上识别相关的业务流程、主要系统、数据对象和数据流。工具指的是元数据、主数据和业务术语表等管理工具。
三 有数据和有可用数据
数据治理将数据视为一种战略资产。它打破了呈现在业务流程不同阶段和不同业务单元中的数据竖井，同时还根据所有业务流程和所有业务单元的当前和未来的需求和要求提供高质量的数据。
假设数据治理能够成功地满足不同的需求，如下图所示。每个业务单元和业务流程的每个阶段都有不同的数据需求和目标功能，这些需求和功能不一定相互关联或重叠。特别是，它们的目标功能不包括向他人提供高质量的数据。它们可能有不同定义的可信、及时和相关的数据级别。一般的数据质量要求数据在源端是正确的，错误的数据不应该在整个公司中流动，并且有协调和自动控制以及文档。因此，一般的数据质量要求需要是“独立的”。核心数据治理提供了这些数据质量控制的所有权，以及数据域的定义。通过识别黄金源和调整体系结构策略来支持这些不同的需求阶段。
如果数据治理设法使这些需求保持一致，它就缩小了拥有数据和为每个涉众提供数据之间的差距。
四 建立数据治理的动机
许多公司还没有意识到上述的数据需求相关的生态系统。对一些德国公司进行的探索性调查表明，数据治理方法往往仅限于单个部门或业务单位。将数据治理限制在特定环境是一种常见的做法，这意味着数据所有权仅限于一个特定的业务流程阶段;没有数据所有者负责整个公司，因此也没有数据所有者负责所有单元中所有业务流程阶段的数据质量。然而，数据质量的整体责任和数据质量控制的所有权是数据治理的核心，因此也是数据驱动公司的核心。
随着数字化和数字化业务模式的不断发展，所有行业的公司都越来越迫切地需要了解，为了提高效率和效果，数据治理需要全公司范围的，而且数据治理的价值并不局限于遵从性。
■保护知识产权
随着数字化的发展，商业模式越来越以服务为导向。业务术语“XaaS”描述了产品作为服务提供，或者作为与服务结合的硬件提供。这对公司的数据有直接的影响，因为这些服务是基于数据的。每个数据点都需要标记，以确定它是属于该公司的知识产权，还是属于正在出售的服务。在公司A和客户B之间的服务交易中，是否默认将所有相关数据传输给B，还是有一部分数据标记为知识产权，由A保留?数据治理需要以一致、及时、透明和有效的方式对数据进行标记。提供基于数据的服务的公司需要建立一个数据治理框架，以便能够保护其知识产权。
■治理的好处
这是数据治理的反应性推理。相反，组织应该在这个话题上采取积极、前瞻性的立场，意识到并利用数据治理的明显优势。在那些已经建立了数据治理的公司中，数据治理的好处是无可争议的。最大的好处包括通过更好、更有效地利用数据来增强决策支持;建立对数据的统一理解和对所有相关数据的统一看法;为数据驱动的工作创造条件，从而成为数字公司;提高流程效率;在处理数据时建立共同的目标，利益概念和心态。
要使数据治理以各种方式表现出来的附加价值是可测量的，因而更容易感知，是非常困难的。在获得了关于良好数据治理有效性的数据后，数据治理在个人层面的优势(比如自助访问数据)可能会变得更加明显，员工可能会意识到数据治理并不仅仅是为其他人提供新数据。
事实上， “让数据治理的附加价值可见”是实施数据治理的首要挑战之一，仅次于缺乏管理的挑战。缺乏管理支持也是一个重大挑战。数据治理影响组织如何利用数据进行决策。因此，在数据治理方面与管理层保持一致并进行投资是很重要的:简而言之，数据治理必须被领导层理解。
五 如何激励组织进行数据治理
政策的改变至少可以帮助克服一些挑战。总而言之，有三种可行的方法来激励组织投资于数据治理:
■法规要求。GDPR已经证明它可以促进数据治理。另一个可能的监管要求是在资产负债表中包括数据报表，可能包括数据质量信息。法律也可能要求任何合并或其他业务转型的数据报表。然而，对于小公司来说，合规的成本可能会高得不成比例，这在经济上和竞争上都是不可取的副作用。
■用于度量和监视数据治理优势的工具。使用成功的试点项目将是展示数据治理如何改善公司业绩的一种方式。此外，应该开发实用的工具，为公司提供从最初的潜在评估工具到更具体和更先进的工具。
■物质奖励。证明数据治理的存在书面上和实践上可以通过收入或其他奖励激励得到回报。
由于数据是一种战略资产，因此需要从适当的数据治理项目开始相应地开展工作。因为，数据治理是一种实践，而不是一个项目。
