数据治理为何屡屡无果，却又屡屡重启？

在今天的文章里，我们来探讨一下：为何企业在数据治理这件事上，总是陷入一种治标不治本的循环。

我留意到一个颇为有趣的现象：当下的企业在数据治理的征程中，仿佛一直在做“生死轮回”。一方面，企业在多数时间多数人对数据质量问题视而不见，选择“躺平”；但另一方面，少部分人包括经营者又不得不直面数据杂乱无章、企业运营缺乏可用数据的困境。

在存量时代的竞争中，数据已然成为企业绕不开的关键要素。这就造成了一种局面，每隔一两年，企业内部就会掀起一场数据治理的热潮，召开大型会议、制定新规则、引入新工具。然而，最终的结果往往是有始无终，治理的成果难以长久维持。

一家xx企业的CTO曾感慨道：“我们的数据治理项目，似乎每隔两年就得重启一次，问题总是反复出现，始终无法得到有效解决。”

再看看互联网大厂，情况也并无二致。几乎每家企业都经历过类似的困境：数据治理就像一阵风，项目结束后留下一地鸡毛，数据问题依旧如影随形。

为什么数据治理总是陷入这种“周期性运动”呢？其背后的核心原因是什么？又该如何解决呢？

一、数据治理困境的根本原因

企业在数据治理方面反复折腾，主要是因为治理方式“治标不治本”。治理项目看似声势浩大，但往往缺乏持续性和系统性，尤其是在数据标准方面存在明显不足。

常见的问题主要有以下几个方面：

1、局部治理，缺乏全局观 当某个部门的数据出现问题时，企业就集中力量治理该部门的数据，缺乏对整体数据的全局视角。局部的过度处理一定会导致数据的不合群。整体看数据还是乱糟糟。

2、缺少顶层设计 许多企业没有将数据治理提升到战略层面，仅仅是被动地应对业务中出现的问题。更多的情况是数据管理者没有权限去要求规范数据，企业也未提供一体化的数据工作环境。

3、过度依赖工具 企业认为购买了数据治理平台就万事大吉，却忽略了数据标准和流程的建设。要知道，事在人为，在牛逼的工具也是人来驱动的。

4、关键人才匮乏 数据治理需要既懂技术、又懂业务和管理的综合性人才，但企业内部往往缺乏这样的人才。很多企业的数据治理工作由IT部门牵头，但搞了半年，连数据治理要服务的业务场景和目的都没弄清楚，结果可想而知。

这些问题既涉及组织层面，也涉及人才层面，但归根结底，还是因为缺乏统一的数据标准。如果没有统一的数据标准，数据治理就如同建造房屋没有打好地基，看似搭建起来了，但很快就会崩塌。

二、数据标准对数据治理为何至关重要

什么是数据标准呢？

简单来说，数据标准就是企业内部对数据的统一定义和规范，包括数据的命名、格式、口径、分类等规则。

数据标准贯穿于数据的整个生命周期——从数据的采集、存储，到处理、分析和应用。如果没有数据标准，各个部门的数据就会各自为政，口径不一致，指标之间相互矛盾，数据分析的结果自然也就难以令人信任。

想象一下，如果一个城市没有交通规则，每辆车都按照自己的方式行驶，城市的交通会变得多么混乱？同样的道理，企业的数据也需要“交通规则”，而数据标准就是企业数据的“红绿灯”和“分道线”。

这么说可能还是比较抽象，我们来看一个简单的例子。一个完整的数据标准，涵盖了字段的命名规则、数据格式、业务口径、分类分级、数据质量要求等方面。下面以“手机号码”为例进行说明。

通过制定上述数据标准，可以有效地提高数据质量，确保数据的可用性，提高数据的长期可维护性，更重要的是能够显著提升数据的一致性，实现数据的一致共享。

三、数据标准有哪些应用场景

很多人可能会有疑问，制定了一堆标准到底有什么用呢？接下来，我们一起看看在数据治理过程中，数据标准有哪些应用场景。

在数据治理的实践中，数据标准的应用场景非常广泛，主要体现在以下几个方面：

1、规范建模 许多企业在进行数据建模时，会遇到业务口径不一致的问题。例如，财务部门和供应链部门对“成本”这个指标的定义可能完全不同，导致分析结果出现偏差。通过数据标准，可以建立统一的模型定义模板，确保每个指标的口径一致。

2、数据研发规范 在数据开发过程中，企业经常会遇到脚本不符合规范的情况，从而导致数据质量问题。某零售企业在引入数据标准后，通过事前阻断机制杜绝了不规范脚本上线，从源头上提升了数据质量。

3、数据质量规则 数据标准可以用于数据质量的事前控制和事后治理。在数据采集环节，设置事前阻断规则，避免错误数据流入系统；在数据分析环节，进行事后稽核，清理不合规数据。

4、数据安全管理 通过数据标准对数据进行分类分级管理，可以有效保护企业的数据资产。比如，对敏感数据进行特征识别和监控，设置不同的访问权限，确保数据安全。

四、数据标准如何发挥价值

“我们明明已经制定了很多数据标准，但是，最终数据治理项目还是失败了，实在搞不懂啊！”我相信这不是一个人的心声。

为什么有了数据标准，数据治理还是会失败呢？尽管数据标准非常重要，但很多企业在实际操作中仍然会“踩坑”。主要有以下几个原因：

1、一次性工程 很多企业将数据标准的建设视为一次性工程，标准制定好之后就不再关注，没有动态更新和维护机制。随着业务的发展，标准逐渐失去了有效性。

2、乙方撤场后甲方运维困难 数据治理项目结束后，外部顾问团队撤离，企业内部缺乏持续运维数据标准的人才，导致标准无法真正落地，成为一堆无用的标准。

3、标准落标率缺乏监控 企业没有对标准的执行情况进行监控和考核，导致数据标准成为“纸面规则”，各部门执行不严格，久而久之就被遗忘了。

总结来说，就是标准没有随着业务的发展进行持续的运营迭代，逐渐无法跟上业务的节奏，最终被业务抛弃，企业又回到了没有数据标准的时代。

那么，如何让数据标准真正发挥作用呢？要想让数据标准真正落地，企业必须在以下几个方面下功夫：

1、建立数据标准委员会 设立专门的团队，负责数据标准的制定、更新和维护工作，确保标准始终与业务需求保持一致。

2、培养内部数据治理人才 减少对外部乙方的依赖，建立企业内部的数据治理能力，培养既懂业务又懂技术的复合型人才。

3、引入标准落标率监控机制 在数据平台中设置标准落标率的监控功能，将各部门的标准执行情况量化，纳入绩效考核指标。

这些措施其实并不难实施，但很少有企业能够真正做到。国外企业已经很少讨论数据标准了，因为对于他们来说，制定数据标准是一项基础且必要的工作，已经成为一种共识，无需再进行讨论。

而我国很多企业仍处于数字化转型的初期，缺乏对数据要素的前期治理投入和重视，相关人才储备也不足，这就导致企业反复推进数据治理工作。说得好听点，这是在实战中学习；说得不好听点，就是……（这里实在难以用合适的词来表达，大家自行想象吧！）

五、小结

没有数据标准的治理，都是治标不治本。数据治理不是一次性的项目，而是一场漫长的马拉松，需要持续优化、动态维护数据标准。只有让数据标准融入企业的日常数据管理，成为其中的一部分，数据治理才能真正发挥出应有的价值。