数据治理的成功要素3：治理的时机和切入点
2020-09-03 16:43 浏览量：975
一、为什么要“治”？
很简单，企业的数据“生病了”！
二、不治的话会怎样？
那问题可多了，例如：
1.在数据问题上业务部门相互扯皮、推诿，沟通成本高、效率低下！
2. 信息孤岛、业务割裂、各自为政、协同困难！
3. 领导想及时看到真实、准确的数据，难！
三、数据宝宝生了什么病？有哪些症状？
四、怎么“治”？
那学问可就大了！
首先你得请个“老中医”给你把把脉
数据梳理是数据治理的切入点，要摸清数据问题的病因、病理，才好对症下药。数据梳理的内容不限于：数据溯源、数据资产分布、数据质量情况、数据管理情况、数据量及存量、数据使用情况等。
根据您的病因、病理，给您开个对症下药的良方！
五、什么时间“治”？
有的企业比较纠结：是先建业务系统好呢，还是先进行数据治理好呢？
其实吧，这个问题没什么好纠结的，生病了咱就治，早治早好！如果是小痛小痒那就再忍忍。
当然，早治的话，“打针、吃药”可能就可以了，后期的话可能就要“动手术”了！
六、治标还是治本？
中医讲：缓则治本、急则治标、标本同治！
数据治理，啥是“标”，啥是“本”？
“急则治标”！
数据问题比较明确，该问题已经影响了业务的正常运行，业务需求迫切。例如：一物多码问题引起的采购、库房、生产、财务等部门的业务无法协同问题。该类型的企业一般是信息化已过了建设期（业务系统基本建设完成），目前正处于信息整合
“缓则治本”！
企业认识到了数据资产的重要性，对产生数据问题的原因有一定的认知，并有意愿做出改变，以满足企业战略发展需要。该类型的企业一般是信息化程度较高，已完成信息整合，目前正处于数据管理和利用期。
“标本同治”！
企业数据治理要兼顾标本，数据梳理、清洗转换、数据映射、数据整合是治标，标准体系建设、组织机构建设、流程和制度建设、组织培训是治本。
六、有一种“治”叫做预防性“治”！
数据预防性治理可以从技术和管理两个层面入手，管理层面：加强数据的日常运营，建立数据标准、管理流程、运维规范、考核制度；技术层面：数据治理融合先进的技术，用大数据、云计算技术反哺数据治理，例如：数据质量根因分析，数据问题自动发现、主动预警、智能清洗，达到数据自治和预防性治理的目的。
总结：随着大数据的深入应用和发展以及越来越多企业对于数据资产化的认知，数据治理已经成为了企业进行数字化转型、数据驱动企业创新的重要基础设施。然而，各行业的各家企业信息化程度、特点、数据管理和质量情况各有不同，把控好数据治理的时机和切入点是企业数据治理项目成功实施的关键。本文为是笔者对数据治理时机和切入点的一些理解和思考，只供参考。
本文参考：《中医治则与治法》
申明：文中的图片均来源于互联网，版权归原出处和作者所有。
来源:公众号谈数据
作者：石秀锋
- 分享：
