大数据是指无法使用传统流程或工具在合理的时间和成本内处理或分析的信息，这些信息将用来帮助企业更智慧地经营和决策。而广义的大数据更是指企业需要处理的海量数据，包括传统数据以及狭义的大数据。为了更好地帮助企业进行大数据治理，整理出了大数据治理七个维度，供大家参考。

1   ▏元数据的数据治理

从总量上来看，整个企业的元数据越来越多，光现有的数据模型中就包含了成千上万的表，同时还有更多的模型等着上线，同时随着大数据时代的来临，企业需要处理的数据类型越来越多。为了企业更高效地运转，企业需要明确元数据管理策略和元数据集成体系结构，依托成熟的方法论和工具实现元数据管理，并有步骤的提升其元数据管理成熟度。

为了实现大数据治理，构建智慧的分析洞察，企业需要实现贯穿整个企业的元数据集成，建立完整且一致的元数据管理策略，该策略不仅仅针对某个数据仓库项目、业务分析项目、某个大数据项目或某个应用单独制定一个管理策略，而是针对整个企业构建完整的管理策略。元数据管理策略也不是技术标准或某个软件工具可以取代的，无论软件工具功能多强大都不能完全替代一个完整一致的元数据管理策略，反而在定义元数据集成体系结构以及选购元数据管理工具之前需要定义元数据管理策略。

2   ▏推动数据与业务融合

如何准确的定义和描述业务问题是数据治理计划成功的关键，企业可以从对特定问题或领域进行数据治理的紧迫程度以及数据治理能够带来的价值来综合衡量，对排名靠前的问题或领域优先进行数据治理，这样能充分获得业务职能部门以及 IT 部门的支持，从而保证数据治理计划的成功。数据治理初始范围确定后，执行具体的数据治理工作，等成功后再考虑扩展至其他领域。

总结以往很多企业进行数据治理失败的原因时可以发现很多经常出现的症状，比如：企业未从数据治理中获得任何价值；数据治理过于长期，和企业专注短期目标不符；IT 部门应对数据质量负责；IT 部门认为数据治理过于复杂，无法顺利落地；企业为数据管理员分配了其他职责。

分析以上问题出现的根源，可以发现数据治理计划失败的根本原因在于与业务价值缺乏关联，IT 部门独自进行数据治理，没有和相关业务部门进行联动。数据治理需要所有利益相关方参与，可以从业务角度（而不是技术角度）总结出各种数据治理的价值，从而吸引相关业务领域高层领导的支持，从而保证数据治理可以获得更高的业务收益。

3   ▏持续评估数据管理能力

根据数据能力成熟度模型（DMM）提供的分类方法，成熟度可以分为 5 个等级，1 级为初始级，此时流程通常是临时的，整体环境不够稳定；2 级为受管级，成功是可重复发生的，但可能无法针对组织中所有项目重复流程，存在基本的项目管理和流程规则，但仍有超出预期成本和时间的风险；3 级为定义级，建立了标准流程集，通过组织的标准流程集定制标准、流程描述和项目过程，以适应特定项目或组织单位；4 级为定量管理级，对流程进行定量度量和控制，所选的子流程大大提高了整体流程绩效；5 级为优化级，在该级明确了组织的定量流程改进目标，并不断优化以适应变化的业务目标。

4   ▏构建数据治理组织架构

企业需要组建具有足够权限的数据治理组织架构以便可以贯穿整个企业各个业务、技术和管理部门对整个信息供应链进行治理。针对大数据治理计划，企业需要明晰大数据治理的目标和关键流程图，以识别大数据治理中的利益攸关者，酌情任命大数据主管并确定新增角色和现有角色的适当组合，确定各个角色应当承担的大数据责任。

当企业的数据治理计划相对成熟时，就会有很多确定的角色如首席信息官（CIO）、首席信息安全官（CISO）、首席隐私官（CPO）、首席数据官（CDO）、信息治理主管和数据主管等，企业需要明确这些已经存在的角色是否可以承担大数据治理职责，还是需要设立新的大数据角色，二者都可以，企业可以根据自己的情况进行选择。比如很多企业特别是金融机构都会设有首席数据官（CDO），负责制定企业的信息治理计划，保证整个企业层面的信息可信度，很多时候首席数据官也会将大数据纳入其职责范围。

5   ▏顶层设计企业级数据KPI体系

数据治理需要全面的度量值或关键业务指标（KPI）来衡量和跟踪数据治理计划的进度，考核数据治理的效果。在大数据时代，通过建立大数据与主数据之间的映射关系可以有效地提高客户关系管理水平，提高客户满意度和忠诚度，提升销售业绩。

比如税务部门核心征收管理业务都是围绕着纳税人进行的，每个纳税人都有自己的纳税人登记证号（且符合特定的编码规则），从省级地税层面来看，由于一些省份没有实现核心征管全省大集中或者实现了全省集中，但是核心征管相关的功能分散在多个系统中实现，纳税人登记证号存在多种不符合编码规则的现象（错误录入或虚假信息），可以将错误纳税人登记证号的纳税人记录的百分比作为数据治理 KPI。数据治理计划可以使用该度量值定期向数据治理工作组和数据治理委员会报告。

6   ▏打造主数据管理能力

主数据管理问题的存在，是由企业业务发展的渐进性、IT 技术发展的渐进性、业务系统自下而上而不是自上而下、缺乏统一的数据治理和元数据管理共同造成的。正是由于这种渐进性，各企业的业务系统都大体经历了从无到有，从简单到复杂，直到形成了一个个业务竖井。

从根本上来说，企业很难只用一个业务系统覆盖所有的业务，特别是大型跨国公司，同一个业务系统也可能会在不同的国家或地区部署多套，加上企业信息化建设缺少统一规划，从而造成了需要在各业务系统中共享的主数据被分散到了各个业务系统分别进行管理。分散管理的主数据由于不具备一致性、准确性和完整性，使得各个企业普遍存在着产品、供应商和订单管理不力的现象，解决这一问题的根本方法就是引入主数据管理。

7   ▏组建大数据创新中心

在大数据时代，企业更需要数据治理，只有对海量数据进行治理，使其变得可信才能帮助企业获取准确、深入的洞察力。除了满足监管和风险管理要求外，企业通过对大数据来创造更多的业务价值，比如精细化管理、精准营销、反洗钱和反欺诈等，当然这一切的前提就是数据是可信的。如果基础数据不可靠，那么大多数企业的大数据计划要么会失败，要么效果会低于预期。

大数据中心主要负责对商业理解、数据理解、数据准备、建立模型模型评估和模型部署过程所涉及的数据、规程、领域经验和模式等进行监管，保证数据的一致性和准确性，是实现预测分析、构建创新型应用的重要基础。

▌总结与展望

大数据治理的核心是为业务提供持续的、可度量的价值。大数据治理人员需要定期与企业高层管理人员进行沟通，保证大数据治理计划可以持续获得支持和帮助。相信随着时间的推移，大数据将成为主流，企业可以从海量的数据中获得更多的价值，而大数据治理的范围和严格程度也将逐步上升。

想了解更多IT资讯，请访问中培教育官网：中培教育