海量、多元化的數據，為大數據時代下的數據治理帶來了許多新的挑戰(zhàn)。與此同時，數據治理的必要性也是有增無減——在此前的一篇文章中，我們曾討論過這個話題。為了實現提高數據質量，將數據價值最大化的總體目標，企業(yè)往往需要一個全面、詳盡且合理的數據治理計劃。

如何制定數據治理計劃?這無疑是一個復雜的工作。從數據的收集、處理、管理到使用，企業(yè)首先需要一個功能健全的IT系統(tǒng)平臺。此外，數據治理并不僅僅是IT團隊的工作，企業(yè)中所有與數據有關的涉眾，都應考慮到數據治理計劃中。一切與數據有關的行為，都應該有標準化的工作流程、操作規(guī)范。在計劃中，都應有所體現。

這篇文章中，我們將討論一部分更加具體的問題：數據治理團隊的組織架構、角色職責以及治理指標。在真正開始"治理數據"之前，這些問題都需要得到明確。

[[317608]]

如何設計數據治理團隊的組織架構?

如上所述，數據治理是一項跨部門的工作，一個成功的數據治理計劃，都是需要從整個企業(yè)的層面去考慮，甚至可能需要跨越所有業(yè)務線、所有應用和所有功能領域。沒有這種全面的視角、沒有來自企業(yè)各個部門的支持，就很難實現數據治理的目標。

比如，只有對應領域的資深業(yè)務員才能更清楚地知道自己需要的是什么樣的數據，如何制定標準才能收集到更規(guī)范的數據。因此，一個數據治理團隊不應該僅僅是由IT人員組成的，在團隊建立之初，就需要考慮它的"多元化"。

目前，一個成熟的數據治理團隊的組織架構，通常包括：

• 由數據管理和數據治理專業(yè)人員組成的數據治理計劃團隊。團隊成員與業(yè)務數據主管一起制定相關策略和流程規(guī)范，并為整個組織中使用的數據(包括元數據)設置標準。
• 數據治理委員會。由來自所有業(yè)務領域，以及IT部門的高級領導代表組成。該委員會將對項目團隊制定的政策、實踐方法和標準進行審批。一般來說，不同業(yè)務領域的數據主管和管理員也都是由他們指定的。
• 來自每個業(yè)務領域的數據管理團隊。與數據治理團隊一起設計策略和實踐方法，并與來自IT專業(yè)人員一起實現。每個數據管理團隊都由業(yè)務數據主管領導，業(yè)務數據主管形成一個數據管理協(xié)調小組，致力于解決跨組的差異，并根據需要對某些定義或元數據進行細化。

當然上面只是一個粗略的架構，數據治理團隊更加具體的角色和職責，應根據企業(yè)的運營方式靈活變通，而不是僵化死板的。一般來說，業(yè)務人員與IT專業(yè)人員的協(xié)同應放在重要的位置。

[[317609]]

如何制定數據治理工作指標?

制定數據治理計劃期間，如何衡量其工作進展和所帶來的業(yè)務收益，也是一項關鍵任務，同時更是一個巨大挑戰(zhàn)。數據治理團隊必須制定一組數據治理的工作指標，以便于向企業(yè)的高級管理層、業(yè)務主管展示數據。

改善數據質量是大多數治理計劃的首要任務，因此數據質量的度量，就成為了最廣泛使用的數據治理指標。數據質量指標一般需要涉及到數據的準確性、完整性、一致性和及時性等等。

此外，數據治理團隊還可以對其數據質量改進工作進行量化，例如發(fā)現和糾正的數據問題的數量，以及通過解決這些問題而獲得的業(yè)務收益。

具體的數據質量指標如下，僅作參考：

• 每個月或每個季度識別和修復的數據錯誤的數量
• 數據集的準確性和錯誤率(當錯誤率超過可接受水平時，發(fā)出警報)
• 數據完整性、一致性、完整性和及時性的度量
• 數據質量問題和修復后對業(yè)務產生影響的度量
• 數據定義、元數據和數據目錄的質量等級評估
• 調查數據和從最終用戶處收集的其他關于數據質量的反饋

值得關注的是，培養(yǎng)包括業(yè)務人員在內的所有數據涉眾的"數據意識"，也是數據治理的一個重要工作。幫助他們正確、規(guī)范地認識數據、了解數據、使用數據，將成為提高數據質量的一個重要助力。

因此，考察企業(yè)員工的數據意識，也需要相應的指標，例如：

• 業(yè)務人員進行的數據相關查詢的數量
• 數據洞察平臺的唯一登錄(即一個賬號只在一臺設備登錄)數
• 參加數據管理相關培訓活動的員工百分比
• 培訓活動結束后表示數據管理知識有所提升的員工百分比
• 表示自己的數據符合公司要求的數據所有者的百分比

通常來說，數據意識指標會同時包括定量測量和定性測量——基于的針對性用戶調查結果。

本文中，我們對數據治理團隊的架構和角色職責，以及相應的工作指標進行探討，并結合前人經驗，給出了一些參考性的意見。不過值得注意的是，由于數據治理涉及范圍較廣，應充分考慮到企業(yè)的獨特性，在致力于實現數據治理目標時，需要對癥下藥。