一、企業為什么要做數據治理

企業在日常經營管理中，經常遇到指標口徑不一致、數據時效性差、數據質量差、數據加工困難、指標統計困難等問題。比如：

1. 總經理會經常收到互相矛盾的報告，本應根據分析報告做決策的會議，卻變成了對數據口徑問題；
2. 數據分析師往往要花大量的時間在數據收集和清洗上，占用掉大量本應用來進行數據分析和價值挖掘的時間；
3. 受限于數據時效性差，首席運營官也只能憑感覺和經驗來開展工作，無法依據數據做決策和管理；
4. 另外，由于數據的準確性差、不完整、數據重復等問題，市場總監、首席信息官、財務總監等管理人員也很難基于數據來有效開展工作。

這種情況下，沒有經過治理的數據，只能零散地躺在各業務系統里，無法融合起來發揮數據的價值，也無法形成企業的數據資產。因此，數據治理，是企業發揮數據價值、進行數字化轉型的必經之路。

二、數據治理概念

數據治理是企業中涉及數據使用的一整套管理體系，包括數據管理相關的組織、制度、流程、工具。通過有效的管控手段，使數據看得見、找得到、管得住、用得好，最終提升數據的利用率和數據價值。

三、數據治理實施路徑。

數據治理實施路徑通常分為六步走：

第一步：基礎調研

第二步：建立數據治理組織制度

第三步：業務流梳理

第四步：數據標準制定

第五步：數倉開發

第六步：數據應用與服務

1. 調研

調研是數據治理的首要工作，調研內容包括：業務調研、系統調研、數據調研和需求調研。

比如酒店業務，業務調研需要調研清楚都有哪些業務類型、服務內容、業務過程，系統調研需要調研清楚都有哪些業務系統在支撐運營這些業務過程，系統間的數據聯通關系是怎樣的，系統數據的存儲方式是怎樣的；數據調研需要清楚各業務過程中都產生什么數據，數據之間的關系是什么，進行盤點出數據資產臺賬；需求調研是要了解相關人員的業務需求是什么：比如提高房間出租率、或者提高酒店的綜合評分？

調研產出：

（1）業務流程圖-數據流程圖

基于調研結果，需要梳理出詳細的業務流程圖和對應的數據流程圖，進而梳理出數據地圖，為后續的數據標準制定、數據倉庫設計提供基礎支撐。

（2）數據臺賬

基于業務流程、業務系統數據說明書等資料，識別核心業務數據表，建立數據臺賬，記錄數據表相關信息，為后續數倉設計、數據集成等工作建立基礎。

（3）總線矩陣

基于業務流程圖、數據流程圖及其他調研信息，設計業務數據總線矩陣，作為后續數倉設計的基礎和框架。

（4）需求說明書

總結調研過程中收集的業務方需求描述，提煉數據治理需求，作為數據集成、數據清洗、指標設計、報表開發、接口開發等數據應用服務的依據和參考。

2. 建立數據治理組織

數據治理是一種讓數據用起來的機制，是企業級戰略，需要強有力的組織、流程、機制保障，企業需要在調研基礎上，構建統一的數據治理組織和數據運營機制，組織協調各相關部門推進數據應用和數據治理工作。

數據治理組織整體由以下構成：

決策層：數據治理領導小組、數據治理辦公室；

管理層：數據認責部門、各職能部門、各業務部門；

執行層：相關責任方、數據治理團隊/中心、各層級項目組。

3. 業務流梳理

在業務調研基礎上，全面梳理業務過程，對相關業務流程進行整合、優化，形成統一的業務流。在此基礎上，匹配業務實體，形成完整、清晰的業務總線矩陣，進行業務域的劃分和主題域的設計。

4. 制定數據標準規范

數據標準制定和落地的基本過程為：標準規劃、標準制定、標準發布、標準執行、標準維護。數據標準來源于業務，又應用于業務，所以數據標準的編制、評審、發布、宣貫等，需要所有業務相關方共同參與完成。

數據標準規范包括：主業務數據標準、數倉設計規范、數據指標設計規范、數據接口規范、數據安全管理規范、數據質量管理規范等。

5. 數倉設計與開發

基于前述詳盡的業務調研與分析工作，進行數據倉庫的分層分域設計與開發。包括數據倉庫的分層設計、業務域設計、主題域設計、指標體系設計等設計工作，以及數據集成、數據清洗、明細表開發、維度表開發、主題表開發、應用表開發等開發工作。

開發過程中，需要嚴格遵守數據質量管理規范及數據安全管理規范。

6. 數據應用與服務

數據的開發好后，可應用于業務指標分析、數據大屏開發、分析報表開發、自助數據分析、數據挖掘、智能營銷等場景，為企業的科學管理、高效決策及業務場景創新提供數據支撐。

比如，開發好的指標存放于指標庫中，用戶可按需直接取用，無須再找數、找邏輯、再計算，有效解決指標統計難、口徑不一致等問題；

另外，基于開發好的數據，業務人員可以通過簡單的拖拉拽，實現自助數據分析，以及可視化報表的開發，解決數據使用難、分析難的問題。