笔者将其记为数据治理的8项举措，如图3-5所示。通过落实这8项举措，构建数据治理的核心能力，铺平企业数字化转型之路。
▲图3-5 企业数据治理的8项举措
1.理现状，定目标
企业实施数据治理的第一步是厘清企业数据治理的现状，明确数据治理的目标。
- 理现状：从组织、人员、流程、制度、数据、系统等多个方面进行需求调研和现状分析，以便对企业的数据治理现状有个全面的认识。
- 定目标：企业不会为了治理数据而治理数据，其背后是管理和业务需求在驱动。数据治理目标应紧紧围绕企业的管理和业务目标而展开。
2.数据治理能力成熟度评估
很多企业想进行数据治理，但是不知道该如何入手，数据治理能力成熟度评估为企业数据治理提供了一个切入点。
数据治理能力成熟度评估是利用标准的成熟度评估工具，结合行业最佳实践，针对企业的数据治理现状进行客观评价和打分，从而找到企业数据治理的短板，制定切实可行的行动路线和方案。
可参考的数据治理能力成熟度评估模型有CMMI的DMM模型、EDM的DCAM模型、国标DCMM模型(GB/T 36073—2018)、IBM数据治理成熟度模型、MD3M主数据管理成熟度模型等。
3.数据治理路线图规划
企业数据治理路线图是以企业数据战略—愿景和使命为纲领、以急用优先为原则、以分步实施为策略进行的整体设计和规划。
治理路线图主要分几个阶段实施，每个阶段的治理目标、时间节点、资源投入、输入输出和预期收益等。数据治理路线图的重点是给出具体的阶段性目标，以及实现这些目标所需的步骤、方法、资源、技术、工具等。
治理路线图是对企业数据治理的全方面、全链路的体系化规划，解决企业数据治理“头痛医头，脚痛医脚”的问题。
4.数据治理保障体系建设
企业数据治理的保障体系包含组织和人员、制度和流程等方面的内容。
通过建立专业负责、分工协作的数据治理组织体系，落实各数据管理组织和支持部门的权责，实现数据治理从项目型组织管理向专业实体组织管理的转变。
通过建立并健全数据治理制度和流程，落实各级数据管理部门和提报人的岗位和职责，规范数据的新增、变更、使用流程，从而最大限度地提升数据质量。
5.数据治理技术体系建设
企业数据治理的技术体系包括但不限于：数据梳理与建模、元数据管理、数据标准管理、主数据管理、数据质量管理、数据安全治理、数据集成与共享。不同的行业、不同的业务场景，应使用与其相适应的数据治理技术。
6.数据治理策略执行与监控
该过程控制是指合理协调与利用企业各项资源的各种措施和策略，主要包括事前预防策略、事中控制策略和事后补救策略。
7.数据治理绩效考核
数据治理绩效考核是为了更好地检验数据治理目标而进行的绩效评估和改进活动。在数据治理方面，企业需要建立一套奖惩分明的绩效考核体系，通过合理有效的激励和问责机制，规范数据管理流程，落实各参与方职责，从而提升企业数据质量，确保数据的合规使用，以推动数据战略目标的最终实现。
绩效考核是一个闭环管理的过程，主要包括制定考核方案、明确考核对象、建立考核指标、执行考核结果、促进优化改进等。
8.数据治理长效运营
在数字时代，业务、技术都变化非常快，企业应紧跟时代脉搏，采用“小步快跑，迭代优化”的方式进行数据治理，以实现数据治理的长效运营。
迭代并不意味着完全颠覆，而是业务、技术、管理经验的不断累积与传承，持续改善与优化。
关于作者：罗小江，用友集团助理总裁、平台和数据智能事业部总经理、北京软件和信息服务业协会云计算专委会副会长、中国企业财务管理协会企业风险管控专业委员会副主任委员。专注于企业数字化平台技术应用研究，具有企业管理、IT等复合知识，并且有丰富的实施交付经验，主导过多个千万级项目的规划及设计工作。石秀峰，用友集团数据治理专家、中国电子商会数据资源服务创新专业委员会受聘专家、数据质量管理智库(DQPro)受聘专家。深耕数据领域十余年，曾主导过多家大型集团的数据治理、数据集成等项目的咨询和落地。
本文摘编自《一本书讲透数据治理：战略、方法、工具与实践》，经出版方授权发布。(ISBN：9787111694489)
