数据治理工作的前提条件是厘清全局数据资源，摸清组织有哪些数据、存放在哪里，以及组织对数据的需求，全面了解组织当前的数据治理现状，识别核心痛点与改进机会，为制定切实可行的数据治理目标和实施路线图提供决策依据。
摸家底主要是对组织的数据、业务、系统进行系统化的梳理，形成全局数据资源清单的过程。主要有以下明细目标：
(1) 摸清家底： 盘点现有的业务流程、业务系统、数据资源和技术工具。
(2) 收集需求： 深入了解各业务部门和外部组织的数据使用需求和痛点。
(3) 评估现状： 基于DCMM，从数据战略、数据架构、数据安全、数据质量、数据标准等维度评估当前数据治理能力。
(4) 制定目标： 基于现状评估结果与核心业务需求，明确数据治理的短期突破点与中长期建设目标。
1.2. 实施指南
1.2.1. 落地思路
摸家底主要采取业务驱动与数据梳理相结合的方式，从战略和业务出发，理清数据家底，明确组织有什么、缺什么、问题在哪里，从而确立清晰、可行的数据治理目标。
图 1 摸家底落地思路图
摸底准备的目标是明确边界、制定计划、统一思想，解决“摸家底要做什么”和“怎么做”的问题。通过收集资料，以及沟通管理层和关键部门，明确本次摸家底工作的覆盖范围，并制定详细计划，使工作推进有章可循。同时，召开摸底动员会，争取广泛的理解与支持。
现状调研的目标是全面理解高层对数据的战略期望、业务运作模式以及信息化支撑水平，清晰地回答“组织有哪些关键业务”以及“这些业务具体需要哪些数据”。
通过高层领导调研，理解组织的战略痛点和对数据治理的宏观期望，为项目锁定核心价值方向。
通过信息化和业务现状调研，从业务视角梳理业务流程、业务痛点，从IT视角弄清数据工作现状、支撑系统情况和数据流向。
数据梳理不仅将散落在各处的数据资源显性化，理清“组织有什么数据”以及“它们存在哪里”；也能系统性地剖析数据现状、发现数据问题，为数据治理目标的制定提供依据。本阶段基于调研成果，确认梳理方法和边界，规范化地开展数据梳理工作，形成可查询、可管理的《数据资源清单》。
现状评估是承上启下的关键环节，总结“组织存在什么问题”和“业务真正的需求是什么”，随后开展数据治理评估，找出组织数据工作的不足、优势与需求，制定具体、可衡量的数据治理目标，为后续数据工作提供行动纲领。
1.2.2. 实施策略
调研主要是希望充分了解数据治理现状和亟待解决的业务问题，获取管理层和各部门对数据的具体需求和期望。因此从规划到落地，都需要贴近业务，不能只做技术或是数据方面的调研。比如需要通过梳理企业核心业务流程（如销售到回款、需求到生产、财务核算到成本、采购到付款等），识别各个关键场景中数据的应用场景，同时关注应用过程的数据质量问题。再如，需要通过分析业务系统功能和数据管理方式，追踪数据在业务系统间的流向及依赖关系，后期才能更好地通过数据治理支撑业务流程优化和决策支持。
在业务访谈过程中，通过开放式提问引导受访人员表达真实操作过程和诉求，避免直接质疑现有的工作流程和工作方式。讨论时可以采用头脑风暴的形式，鼓励受访者自由、主动发言，并对提出的建议给予积极反馈，让受访者感受到自身贡献对业务改进的价值，增强参与动力，减少防御心理，从建立信任，促进深度沟通。
在调研过程中要注意避免仅获取单一源头的信息，如只从信息化系统或IT部门获取相关信息，而忽略业务人员的调研与反馈。这可能导致需求误判，无法全面地了解数据的现状和问题，影响后续的方案制定。因此，要确保调研范围能覆盖所有相关业务部门和业务场景，避免因范围不全导致调研结果不完整，过于片面，无法有效解决业务中的问题。同时，尽量多角度验证问题和需求，对于业务人员反馈的信息和问题，通过系统或数据进行印证，确认信息的准确性，避免因个人主观意识或使用习惯导致信息不准确。
1.2.3. 常见挑战与解决方法
摸家底工作常被业务部门视为额外的IT项目，导致其因看不到直接价值而消极应对、提供肤浅信息或隐藏真实痛点，从而使调研无法触及核心业务需求。
解决此类挑战的关键在于高层赋能与换位思考。在高层赋能方面，首先，须由公司高层通过调研动员会等方式，宣贯数据治理的战略价值并强制要求配合，为调研工作提供“尚方宝剑”。其次，调研工作按照自上而下的原则，先从高层管理者开始，了解企业战略目标与关键业务指标，再逐步下沉至业务部门。
在换位思考方面，调研人员必须使用业务语言进行沟通，聚焦数据问题如何影响业务人员的具体工作效率和决策质量，让其感受到数据治理是为其赋能。同时，可邀请各业务部门骨干组成虚拟团队，让他们作为领域专家深度参与调研与设计，将“你们的项目”转变为“我们的项目”，从而获取真实、深刻的需求。
组织数据资源常遍布于多个孤立的系统中，导致调研面临“未知的未知”，难以手动梳理出完整的数据地图、血缘关系，工作量大且易错。应对此挑战需采用技术工具与聚焦策略相结合的方法，优先利用元数据自动采集工具扫描连接各类数据库和平台，快速生成初步的数据资产地图，极大提升效率与准确性；同时摒弃“一刀切”的全面盘点，采取“分而治之”的方法，优先聚焦于“客户”“财务”“生产”等核心、高价值业务域的数据，与业务专家合作进行深度梳理，快速产出精准且有价值的阶段成果，建立信心。
- 担心暴露问题，业务部门可能不愿意暴露数据真实情况怎么办？
调研过程中，业务部门可能会因担心暴露数据质量问题被问责、触及敏感信息违规或未来工作流程变革等，容易产生“家丑不可外扬”的防御心理和抵触情绪，从而消极应对调研。因此，调研团队需要营造安全环境与强调赋能价值，一开始即明确强调“非问责”原则，声明目标是摸底而非追究个人或部门责任，创造坦诚沟通的氛围。持续沟通数据治理成功后的美好蓝图（如减少重复核对、一键生成报表等），将项目从“找茬”转变为“赋能提效”的积极形象，从根本上减少变革阻力。
1.3. 实施流
1.3.1. 实施概述
1.3.2. 摸底准备
1.3.2.1. 实施概述
表 1 步骤1 摸底准备的实施概述
1.3.2.2. 活动
1.3.2.2.1. 摸底范围确认
资料收集是“摸家底”工作的基础，应贯穿项目始终。在调研开始前进行初步收集，帮助摸底团队快速形成对组织的初步认知；在调研过程中持续补充和验证，以确保信息的深度与准确性。系统化的资料收集能为后续的访谈、分析和评估提供关键输入，避免从零开始，提升工作效率。
建议收集的资料清单如下：
在资料收集与分析的基础上，在组织数据战略的指导下，与关键相关方（如管理层、业务部门负责人、IT负责人等）进行沟通，明确本次“摸家底”工作的边界和重点，确保覆盖数据战略、关键业务领域和数据环节，并与各方确认。
- 组织范围，明确需要覆盖哪些组织部门，例如仅调研集团本部，还是集团本部+子公司等。
- 业务范围，明确要调研哪些业务的数据，例如采购业务、营销业务、人力资源业务等。
- 系统范围，明确要调研哪些应用系统的数据，例如CRM、SCM、HR系统等。
1.3.2.2.2. 摸底计划制定
根据确认的摸底范围，制定详细的计划，包括调研对象、调研方式、时间安排、人员分工、具体任务分配等。
调研对象包括高层管理者、业务骨干、IT/技术团队和数据团队等，确保覆盖数据产生的源头和使用场景。具体角色举例如下：
- 高层管理者：CEO、CDO、CIO、CTO、各业务部门负责人
- 业务骨干：业务分析师、运营人员、市场专员、财务人员
- IT/技术团队：架构师、开发工程师、运维工程师、DBA
- 数据团队（如有）：数据工程师、数据分析师
调研方法包括资料收集、问卷调查、深度访谈、专题研讨会、实地考察、系统与工具分析等多种形式，各调研方法的适用场景如下：
- 资料收集： 查阅系统文档、流程手册、报表、组织架构图等资料。
- 问卷调查： 面向广泛的技术和业务人员，收集普遍的数据使用体验和业务需求。
- 深度访谈（1对1）： 与决策层（CEO, CDO, 部门总监）沟通，了解战略愿景和期望。
- 专题研讨会（小组）： 召集业务或技术专家，就特定主题（如数据质量、数据标准）进行深入讨论。
- 实地考察：到业务人员工作现场，实地观察和跟踪业务流程。
- 系统与工具分析： 直接查看关键系统后台，分析数据模型、表结构、数据样例。
参考以下模板，摸底安排需充分考虑时间、资源和参与方的协调性，合理分配任务，确保各环节有序推进。
表 2 摸底计划模板及示例
1.3.2.2.3. 召开动员会
以组织名义发布调研工作启动会，召集相关部门负责人参加启动会，明确数据调研的工作内容、时间安排、各部门的主要对接人，将调研工作进行明确分工和安排。通过召开调研动员会，进一步统一思想，明确调研目标与各方职责，确保后续调研工作有序推进。会上将重点介绍调研的背景、意义及预期成果，提升各部门对数据治理工作的重视程度。同时，明确对接机制和沟通渠道，形成跨部门协作的良好氛围，为数据治理调研方案的顺利实施打下坚实基础。
- 成立专项工作组：组建由数据治理团队、核心业务部门关键用户、IT系统负责人共同参与的虚拟项目团队，明确各方在调研工作中的角色与职责。
- 确立对接人制度：在每个参与部门指定一名固定的对接人，负责本部门内的调研协调、访谈安排、资料提供与信息传递，确保信息入口和出口的统一。
- 建立定期沟通机制：如组织项目周例会、阶段汇报会等，及时同步调研进展、协调问题解决、调整工作计划等信息，向管理层和所有参与方汇报关键里程碑成果，确保信息透明并获取持续支持。
- 设置统一的沟通平台：创建专用的企业微信群、钉钉群或项目管理工具，用于日常沟通、文档共享、公告发布和问题答疑，确保所有沟通记录可追溯。
- 制定问题升级流程：明确当遇到难以协调的争议或资源障碍时，应按照预设路径（如：成员-对接人-项目经理-项目领导小组）及时将问题升级，以寻求快速决策。
1.3.3. 现状调研
1.3.3.1. 实施概述
表 3 步骤2现状调研的实施概述
1.3.3.2. 活动
1.3.3.2.1. 高层领导调研
高层领导调研即针对高级管理人员的数据治理需求调研。高层领导调研有助于深刻理解组织的业务战略、数据思维和认知，获得高层领导对数据治理的重视和支持，引导其将数据治理作为企业战略的一部分。
高层领导调研主要是为组织的数据治理指明方向，准确掌握高层领导对数据治理的态度、诉求、期望和要求，这对后续实施起着至关重要的作用。可以从以下几方面进行访谈：
(1) 对业务战略的理解，如经营目标、经营状态、业务布局、业务发展的机遇和挑战等。
(2) 对所处行业的理解，如所处行业的内外部环境、竞争态势，以及可以学习和借鉴的行业标杆等。
(3) 对信息化、数字化的理解，如在信息化、数字化方面的投资情况，信息化的成效，亟待改进的问题等。
(4) 对数据治理的理解，如数据的重要性、数据治理在业务发展中发挥的作用、数据治理的内涵、当前在数据治理和使用上存在的问题和不足、对数据治理的期望等。
为系统性地引导访谈，获取关键信息，可以参考一下问题清单进行：
表 4 高层领导调研访谈问题清单示例
1.3.3.2.2. 信息化现状调研
信息化现状调研主要是盘点信息化系统和数据治理现状，调研对象包括组织的IT部门和数据部门。
信息化系统调研需梳理其所属项目、集成情况、网络环境信息、服务器信息、运行状况、厂家建设信息，并了解不同系统的数据交互方式、交换协议、交换频率、应用场景等。以信息化系统为枢纽，梳理出组织的信息资源一本账，包括项目、信息化系统、数据、服务器资源等信息。
(1) 系统的基本信息，全面了解当前系统的基本信息，包括管理部门、主要满足业务、建设状态、网络类型、部署位置、服务器IP、系统厂商等。
表 5 系统建设现状－基本信息调研模板及示例
(2) 系统的使用情况，通过了解系统在实际业务中的应用场景和效果，初步判断其对业务支撑的强度和数据交互的可靠性，包括系统上线日期，终端情况、用户范围，系统应用场景、发现的数据质量问题和访问地址等。
表 6 系统建设现状－使用情况调研模板及示例
(3) 系统的数据信息，掌握系统数据的现状、管理情况，以及系统间的数据交互情况，包括数据存量、数据年增长量、数据库类型、数据存放位置，是否与其他系统有数据交互等。
表 7 系统建设现状-数据信息调研模板及示例
数据治理现状调研重点掌握现有数据管理制度、采取的管理措施等，通常采用调研问卷的方式进行。以下为可参考的调研问卷内容。
1.3.3.2.3. 业务现状调研
业务现状调研主要包括业务流程和数据需求调研，一般从组织机构入手，按照业务部门的职能划分，明确每个职能所涉及的业务流程、关键数据、支撑系统、数据质量问题等。
调研过程中，要想从业务视角理解组织数据治理的痛点、需求，还应梳理各业务域的主要流程，明确关键业务环节中的数据流转与使用情况，形成组织的业务架构图、各业务域的业务流程图和数据流程图。
(1) 首先，以组织架构为基础，梳理组织的业务域，形成业务架构图。后续在此基础上，开展各业务域的深入调研，明确其核心业务流程与关键数据节点。
表 8 业务域梳理模版及示例
下图是以某科技产品生产企业为例，绘制的业务架构图示例。
图 2 某企业业务架构图示例
(2) 业务流程的基本信息主要以业务域为框架，调研主要业务流程、所需数据、支撑系统、产出数据等。
表 9 业务流程现状－基本信息调研模板及示例
业务流程调研后，顺着组织数据流动的过程，形成各业务域的业务流程图，清楚表达出业务关系。下图为智能设备业务从商机发现到订单收款的业务流程图示例。
图 3 业务流程图示例
结合信息化系统和业务流程梳理成果，可以形成组织的数据流向图。不同粒度的数据流向图可以满足不同的调研分析需求。下图为系统间数据交互的数据流向图示例。
(3) 业务流程的数据需求主要是了解业务部门的数据需求，即在日常业务过程中需要哪些数据支撑，包括数据质量需求、数据安全需求、数据集成需求、数据可视化需求等。
表 10 业务流程现状－数据需求调研模板及示例
1.3.4. 数据梳理
1.3.4.1. 实施概述
1.3.4.2. 活动
1.3.4.2.1. 梳理方法和边界确认
数据梳理有两种方式：自上而下的业务视角和自下而上的技术视角。
业务视角主要是基于职能体系和业务流程，梳理出组织的业务域、业务对象及其属性。虽然该方式以业务驱动，具有相当的前瞻性和灵活性，但很可能因为缺乏清晰的业务架构而难以推进。
技术视角主要是从信息化系统、数据库表、数据结构出发，着眼点是数据记录，即系统里有哪些表、每个表有哪些字段等。这种方式虽然路径清晰，但往往难以关联出数据的业务含义和使用场景。
因此，建议将技术视角与业务视角相结合。在业务视角（即业务域）框架下，通过技术视角梳理出具体资源，形成组织的数据资源全景视图。
需根据摸底范围，对全量数据资源进行梳理。为确保数据梳理工作聚焦于产生长期业务价值的核心数据资源，避免梳理工作浪费在临时性、过程性的数据上，必须明确数据梳理的内容边界。
梳理边界通常遵循 “聚焦核心、管理长效” 的原则，排除以下类型的资源：
中间过程表：在系统内部为完成特定计算、转换或临时存储而生成的表。这类数据具有临时性、变动性强的特点，不纳入数据梳理范围。例如，ETL处理中的临时表、测试表、系统缓存表、各类备份表等。
系统日志与操作日志：主要用于系统运维和审计，不直接承载核心业务的数据。例如各类数据库的内置表、系统配置表等无业务含义的表。
废弃表：系统升级、重构后不再使用的表，其数据已无业务意义，以及数据条数为0或单字段的表。
1.3.4.2.2. 数据梳理
结合前期调研结果，梳理组织内各来源的数据资源。需要注意数据来源不仅有业务系统，还有各类在线SaaS系统，以及分布在各部门的文档、电子表格等非结构化或半结构化数据。
表 12 数据资源清单模版及示例
需要注意的是，对于低代码的业务系统，数据资源不应来自数据库，而应该从系统页面上梳理。因为低代码平台的数据结构通常由系统自动生成，页面信息更贴近业务实际使用场景。
对于数据库类型的数据资源，还需要收集库名、表英文名、数据容量等信息。如有需要，还可以补充共享属性、开放属性、涉密属性和安全级别等管理信息。
在资源梳理的基础上，进一步明细每个数据资源中的具体信息项，包括字段名称、业务含义、数据类型、数据长度等。
表 14 数据资源清单-信息项模板及示例
数据梳理并非一次性项目任务，而是一项贯穿数据生命周期、需要持续运营的工作。企业的业务在变化、系统在更迭、数据在动态增长，这意味着数据资源清单需要不断地更新和维护，以保持其准确性和有效性。
鉴于数据梳理工作涉及的系统繁多、数据量庞大、关联关系复杂，完全依赖人工盘点不仅工作量巨大、容易出错，且难以持续。可以采用工具进行自动化采集和梳理，提升数据盘点的效率与准确性。
1.3.5. 现状评估
1.3.5.1. 实施概述
表 15 步骤4 现状评估的实施概述
1.3.5.2. 活动
1.3.5.2.1. 现状总结与需求分析
基于现状调研成果（如各类调研记录、各部门提供的资料等）和数据梳理成果，将现状信息、业务痛点和数据需求进行总结、分析。
根据前期调研和梳理情况，对本次“摸家底”工作的整体执行情况、覆盖范围和主要发现进行总结。概述内容主要包括：
- 工作范围：简要说明摸家底工作所覆盖的组织范围、业务范围及系统范围。
- 工作过程：概括性描述工作开展的主要过程，包括历时周期、采用的调研方法、调研的系统数和业务流程数、梳理的数据资源数等。
- 初步结论总结： 基于调研和梳理工作，总结普遍存在的问题和需求。
从部门出发，总结调研过程中提出的，以及数据梳理过程中发现的主要问题和需求，分析问题原因和业务影响，提炼出数据需求。
下表需求分析模版及示例。其中，“主要问题/需求描述”是以业务视角，总结各部门业务人员反馈的具体问题或需求，“关联的数据问题”是基于数据梳理结果，发现导致该业务问题的数据层面原因。
表 17 需求分析模板及示例
1.3.5.2.2. 数据治理现状评估
基于DCMM，从数据治理能力的专业视角，对组织当前的整体水平进行全面评估，识别数据工作中的薄弱环节和关键问题。
以下是评估项示例，包含了数据战略、数据治理、数据架构、数据安全、数据质量、数据标准几个领域的评估要点及权重。
表 18 数据治理现状评估项示例
1.3.5.2.3. 数据治理目标制定
通过前期对业务现状、信息化现状和数据现状的调研、梳理与评估，进一步明确企业的战略方向与业务目标。
数据治理目标是组织数据战略在当前阶段的具体落地与分解。它是在数据战略指引下，短期需要达成的、可衡量的具体成果。
(1) 从管控体系角度出发，数据治理目标可能包括以下几类：
- 建立数据治理组织体系，明确组织架构，设立数据治理委员会、数据管家等角色，并清晰定义其在数据治理活动中的职责。
- 构建数据治理制度体系，制定组织级的数据管理办法、实施细则、操作规范等，并建立覆盖数据生命周期的关键管理流程。
- 提升技术平台支撑能力：引入或完善数据管理工具（如数据目录、数据质量、主数据管理工具），提升数据治理的自动化与智能化水平。
(2) 从数据角度出发，数据治理目标可能包括以下几类：
- 打通关键数据链路，实现各项业务横向与纵向的高效协同集成，消除数据孤岛，提升业务协同效率，促进数据融合应用。
- 提升核心数据质量，针对业务痛点，明确关键业务数据的质量标准，并建立监测与整改机制，保证数据的准确性与可信度。
- 夯实基础数据标准，制定并推行组织统一的业务术语、主数据、指标数据、数据元标准，并推动数据标准落地执行，确保全组织内数据的一致性与可理解性。
- 保障数据安全合规，完成数据分类分级，并实施相应的安全管控措施，满足业务应用、国家法律法规及行业监管要求。
(3) 从为业务应用赋能角度出发，数据治理目标可能包括以下几类：
- 提供可复用的数据服务，将清洗、整合后的高价值数据封装成标准API服务，供前端业务应用便捷调用，加速应用开发和创新。
- 构建面向业务场景的数据产品，基于业务需求，构建门户、看板、大屏等专项数据产品，将数据能力直接嵌入业务流程，为业务赋能。
- 支持精准分析与智能决策，建设或完善组织级数据平台，为管理层驾驶舱、业务部门经营分析、一线人员精准营销等场景提供及时、可靠的数据支撑，将数据洞察转化为业务行动。
（或访问：https://pan.quark.cn/s/caf6500cd731?pwd=wRkN）
本书采用了开放式共创的编撰模式。我们坚信，内容的可靠性与实践性来自持续的交流与共创。因此，我们诚挚邀请您——每一位关注数据治理的同行者、实践者与思考者——加入本书的共创计划。
如果您在阅读过程中，提出关键修正、贡献具有借鉴价值的优质案例，或补充了不可或缺的核心内容，我们将诚挚邀请您成为本书的共同署名共创者，并参与后续的专题研讨与行业交流，共同推动数据治理领域的实践进步与生态发展。
愿这本书不仅是一本指南，更是一次连接行业、凝聚共识、共创未来的行动。
