“数据治理”这个10多年前就已经出现的名称，在最近这几年时间一下子火了起来。不知何时，江湖中流传出了：“数字化转型、治理先行”的说法。 于是乎，我们看到：不仅是传统提供数据仓库、BI、主数据管理、元数据管理、数据集成等数据服务的软件供应商在说数据治理，阿里腾讯等互联网公司，大型国企也都在谈数据治理，很多企业都将数据治理作为数字化战略的一项必要举措，列入了企业的战略行动计划。 在众多谈论数据治理的企业或个人中，笔者发现大家对数据治理有着一个普遍的共识，那就是：“数据治理说起来容易，做起来难”！

一、为什么要做数据治理，真的想透了吗？

在做数据治理咨询的过程中，经常会遇到以下对话场景： 请问你们为什么要做数据治理？ 常见回答：我们要建立数据标准，提升数据质量，实现数据资产统一管理。 接着问：为什么要建立数据标准、提升数据质量，不做会怎样？ 常见回答：数据质量问题比较多，无法提供准确的数据报表，影响业务效率，无法支撑企业的数字化转型。 再次问：都影响到了哪些数据报表、哪些业务？ 常见回答：XX报表不准确、统计口径不一致、系统之间数据孤岛，数据集成困难……吧啦吧啦…… 接着追问：为什么会造成数据报表不准确，口径不一致，系统集成难？ 常见回答：因为数据标准一致，数据源的数据质量差。 我们仔细分析这样的调研结果是浮于表面的，围绕数据的问题在原地打转，没有将为什么要做数据治理真正想透。 因此数据治理的第一步不是分析数据问题，而是分析业务问题，找到企业的核心业务诉求，定义数据治理的目标和范围。

二、数据治理不是什么高大上的东西，基本是脏活、累活！

数据治理很火，在DAMA 数据管理知识体系指南中，数据治理位于数据管理“车轮图”的正中间，是数据架构、数据建模、数据存储、数据安全、数据质量、元数据管理、主数据管理等10大数据管理领域的总纲，为各项数据管理活动提供总体指导策略。 谈到数据治理，我们经常讲它是一个涉及到企业战略、组织架构、数据标准、管理规范、数据文化、技术工具的一个综合体。没有数据治理实践经验的，一定会认为：哇，数据治理好“高大上”呀！又是战略、又是标准、又是文化的，听起来很高深吗！ 然而，只有你真正做过数据治理人才知道：数据治理不仅都是苦活、累活，还是个受累不讨好，经常背锅，领导看不见价值的活。 数据治理过程中，有时候是不被理解的。数据治理是个地基性工程，人们看到的永远是数据应用的“高楼大厦”，数据治理团队天天忙忙碌碌的，领导也不知道“这伙人”到底都在干啥？但是，只要数据出现问题，第一个被问责的就是数据治理团队。

三、做了数据治理，为什么数据质量依然很差，咋办？

我们公司两年前就做了数据治理，建立了数据治理平台，元数据管理、数据质量管理等功能都有了，但是我们的数据质量问题还是很多，导致建设的BI系统基本都没人用，请问有什么好的方式解决？ 这个问题，我没有答复。原因是数据质量差、BI用不起来，这个问题虽然常见，但是10家有相同问题的企业中，有9家的原因是不一样的。在没有经过详细调查，不了解具体背景的情况下，不敢贸然给出建议。 做过了数据治理，企业的数据质量就一定能提升吗？其原意是要问：上过了数据治理系统或实施了数据治理项目，为什么还会有数据质量问题。 这个问题很复杂。正如上文中的项目型数据治理，点到为止，治标不治本。 有的企业认为数据治理就是上一套强大的数据治理平台，只要平台功能强大，就能管好数据，这恰恰是陷入了另一个误区——唯工具论，岂不知数据治理的本质是管理数据，而不是管理程序、脚本和任务。 另外，还有很多企业是出现了数据问题，并且对业务造成很大影响之后才去进行治理的——被动式治理，失去了治理数据的主动权，常常是解决了一个问题又引出了更多的问题。

四、数据治理之道是什么，要怎么做？

数据治理需要体系建设：为发挥数据价值需要满足三个要素：合理的平台架构、完善的治理服务、体系化的运营手段。 数据治理不是一蹴而就的，它是一个漫长而持续的过程，没有一针顶破天的诀窍，也没有立竿见影的途径。只有将数据治理变成一种常态化机制，就如同我们每天吃饭、睡觉一样，形成一种习惯、一种文化、持之以恒、不忘初心、不懈努力，才能达到预期目标。

比如，目前主流的软件——FineDataLink，它小到数据库对接、API对接、行列转换、参数设置，大到任务调度、运维监控、实时数据同步、数据服务API分享，应有尽有，功能很强大。最重要的是，因为这个工具，整个公司的数据架构都可以变得规范。而且它是java编写的，类流程图式的ETL开发模式，上手都很简单：数据对接、任务复用简直都是小case，大大降低了数据开发的门槛。在企业中被关注最多的任务运维，FineDataLink大运维平台，支持文件夹式开发模式，报错任务可一键直达修改，报错优化清晰易懂；通过权限控制，保障系统安全。