当今的@@大型企业@@，内部分工日趋细化@@，采购@@、服务@@、市场@@、销售@@、开发@@、支持@@、物流@@、财务@@、人力等各个环节@@，无不每时每刻产生着大量的@@数据@@。数据的@@格式也越来越多样化@@，包括@@IT系统@@里存储@@的@@结构化@@、非结构化数据@@，各样电子文档数据等@@。与此同时@@，企业管理者对数据的@@困惑也与日俱增@@，这些数据从哪里来@@？我们能相信这些数据吗@@？数据之间有什么样的@@关系@@？谁能理解这些数据@@？
零散化存放是数据问题根源@@
造成上述情况最根本的@@原因是@@：数据零散化存放@@。大型企业在不同发展阶段@@，会根据@@业务需求建设很多内部@@IT支撑系统@@@@，比如@@ERP（企业资源计划@@）系统@@、CRM（客户服务@@管理@@）系统@@、财务@@管理系统@@等@@，这些系统@@的@@分散建设@@，数据割裂@@，造成了数据零散化存放@@的@@现状@@。
基于数据作分析@@，首先@@需要数据的@@聚合@@，但由于生产系统@@和数据的@@离散化@@，造成了数据标准@@、数据模型@@不统一@@，因而@@企业最需要做的@@就是对数据整合和标准化@@。
大数据@@治理@@@@带来全面解决之道@@
大数据@@治理@@@@是诸多数据问题的@@全面解决之道@@。根据@@DAMA（国际数据管理协会@@）的@@定义@@，数据治理@@（DG，Data Governance）是指对数据资产的@@管理活动行使权力和控制@@的@@活动集合@@（规划@@、监控和执行@@）。作为@@DAMA数据管理职能框架@@（图@@1）的@@10项职能之一@@，起着指导其他数据管理职能如何执行的@@作用@@，它通过制定正确的@@政策@@、操作规程@@，确保以正确的@@方式对数据和信息进行管理@@。
图@@1 DAMA数据管理职能框架@@
大数据@@治理@@@@，即基于大数据@@的@@数据治理@@@@。大数据@@，一般指符合@@4V特征的@@数据@@，包括@@社交数据@@、机器数据等@@，大数据@@对传统数据治理@@工作带来很多的@@扩展@@，在政策@@/流程@@上@@，大数据@@治理@@@@应覆盖大数据@@的@@获取@@、处理@@、存储@@、安全等环节@@，需要为大数据@@设置数据管理专员制度@@；需考虑大数据@@与主数据管理能力的@@集成@@，需要对大数据@@做定义@@，统一主数据标准@@；在数据生命周期管理各阶段@@，如数据存储@@@@、保留@@、归档@@、处置时@@，要考虑大数据@@保存时间与存储@@空间@@的@@平衡@@，大数据@@量大@@，因此@@应识别对业务有关键影响的@@数据元素@@，检查和保证数据质量@@。此外@@，在隐私方面@@，应考虑社交数据的@@隐私保护@@需求@@，制定相应政策@@，还要将大数据@@治理@@@@与企业内外部风险管控需求建立联系@@。
大数据@@治理@@@@的@@商业价值@@
企业只有建立了完整的@@大数据@@治理@@@@体系@@，保证数据的@@质量@@，才能够真正有效地挖掘企业内部的@@数据价值@@，对外提高竞争力@@。
首先@@，高质量数据是企业业务创新@@、管理决策的@@基础@@。随着互联网@@企业对其他各行业的@@冲击@@，加剧了市场@@的@@竞争@@，许多企业面临收入增速放缓@@、利润空间@@逐步缩小的@@局面@@，过去单纯的@@外延式增长已经难以为继@@。因此@@，必须向外延与内涵相结合的@@增长方式转变@@，未来效益的@@提升很大程度上要依靠企业的@@内部挖潜实现@@，这从客观上对企业的@@创新能力提出了更高的@@要求@@，而@@提升企业内部数据管理的@@精细化水平@@，是企业开展业务创新和管理决策的@@重要基础@@，能够为企业创造巨大效益@@。
其次@@@@，标准化的@@数据是优化商业模式@@、指导生产经营的@@前提@@。许多企业的@@@@ IT 系统@@经历了数据量高速膨胀的@@时期@@，这些海量的@@@@、分散在不同角落的@@数据导致了数据资源利用的@@复杂性和管理的@@高难度@@，形成了一个个系统@@竖井@@。系统@@之间的@@关系@@、标准化数据从哪里获取都无从知晓@@，通过数据治理@@工作@@，可以对分散在各系统@@中的@@数据提供一套统一的@@数据命名@@、数据定义@@、数据类型@@、赋值规则等的@@定义@@基准@@，通过数据标准化可以防止数据的@@混乱使用@@，确保数据的@@正确性及质量@@，并可以优化商业模式@@，指导企业生产经营工作@@。
最后@@，多角度@@、全方位的@@数据是企业开展市场@@营销@@、争夺客户资源的@@关键@@。数据已成为企业最核心的@@隐形财富@@，谁掌握了准确的@@数据谁就能获得先机@@，在当前竞争日益激烈的@@市场@@上@@，企业如何在不同的@@细分市场@@构建客户画像@@、开展精准营销@@，如何选择竞争策略@@、进行经营管理决策@@，都必须基于@@360度全方位@@、准确的@@客户数据加以分析判断才能得出@@。
大数据@@治理@@@@的@@五个核心要素@@
明确数据治理@@责任@@，建立数据治理@@组织@@
数据出了问题@@，到底是谁的@@责任@@？因为数据主要是@@IT系统@@产生的@@@@，所以一直以来@@，解决数据问题都被认为是@@IT部门的@@职责@@。而@@IT部门也饱受其苦@@，数据定义@@和业务规则@@@@，业务部门最清楚@@；数据录入@@，业务人员负责@@；数据使用@@，业务人员是用户@@；数据考核@@，业务部门有权力@@……但实际上@@，要切实解决数据问题@@，开展数据治理@@工作@@，就必须先清楚一点@@：数据治理@@，是业务部门和@@IT部门共同的@@职责@@。
图@@2是典型的@@中国式数据治理@@组织架构@@@@，数据治理@@/管理领导小组设在信息化领导小组之下@@，可以单设@@，也可以是信息化领导小组的@@一个职责@@，而@@虚框中的@@数据治理@@部门可能是实体部门@@，也可能是由牵头业务部门和@@IT部门联合组成的@@虚拟团队@@。
图@@2 典型的@@中国式数据治理@@组织架构@@
值得一提的@@是@@，越来越多的@@企业开始重视数据治理@@工作@@，一些企业高管团队中也产生了一个全新的@@职位@@——首席数据官@@（CDO），是组织内大数据@@战略的@@制定者和推动者@@，负责组织内数据资产的@@开发@@和利用@@，通过数据推动组织业务的@@创新和发展@@，通常直接汇报给@@CEO或@@CIO。
管理出成效@@，制度是保障@@
大数据@@治理@@@@需要管理和制度的@@有力支撑@@，可结合企业的@@现状@@，制定相应的@@管理办法@@、管理流程@@@@、认责体系@@、人员角色和岗位职责等@@，颁布相关的@@数据治理@@的@@企业规章制度等@@。
举个例子@@，在笔者负责过的@@一个数据治理@@项目中@@，为了加强数据保密管理@@，根据@@重要程度@@、公开范围@@、数据使用@@频次@@和数据安全要求@@，针对数据制定了四个重要级别@@：极敏感级@@@@、敏感级@@、较敏感级@@@@、低敏感级@@@@，并根据@@不同级别实施相应的@@管理举措@@，级别越高@@，数据管理的@@要求越高@@。
数据规范@@：没有规矩@@，不成方圆@@
数据规范@@是指对企业核心数据进行有关存在性@@、完整性@@、质量及归档@@的@@测量标准@@，为评估@@企业数据质量@@，并且为手动录入@@、设计数据加载程序@@、更新信息以及开发@@应用软件@@提供的@@约束性规则@@，数据规范@@一般包括@@数据标准@@、数据模型@@、业务规则@@、元数据@@、主数据和参考数据@@。
制定数据标准的@@目的@@是为了使业务人员@@、技术人员在提到同一个指标@@、名词@@、术语的@@时候有一致的@@含义@@。数据模型@@对企业运营过程中涉及的@@业务概念和逻辑规则进行统一定义@@。业务规则@@是一种权威性原则或@@指导方针@@，用来描述业务交互@@，并建立行动和数据行为结果及完整性@@的@@规则@@。元数据@@能够帮助增强数据理解@@，可以架起企业内业务与@@ IT 部门之间的@@桥梁@@。主数据用来描述参与组织业务的@@人员@@、地点和事物@@。参考数据是系统@@@@、应用软件@@、数据库@@、流程@@、报告中及交易记录中用来参考的@@数值集合或@@分类表@@。
数据治理@@活动@@，理论结合实践@@
数据治理@@活动@@是指为实现数据资产价值的@@获取@@、控制@@、保护@@、交付以及提升@@，对数据规范@@所做的@@计划@@、执行和监督工作@@，一般包括@@以下活动@@。
数据架构管理@@，用于定义企业数据需求@@，设计实现数据需求的@@主要蓝图@@@@，通常包括@@数据标准管理@@@@、数据模型@@管理@@、数据集成架构等@@；数据质量管理@@，指通过计划@@、实施和控制@@活动@@，运用质量管理技术度量@@、评估@@、改进和保证数据的@@恰当使用@@；元数据@@管理@@，指通过计划@@、实施和控制@@活动@@，以实现轻松访问高质量和整合的@@元数据@@@@；数据安全管理@@，指通过计划@@、制定并执行数据安全政策和措施@@，为数据和信息提供适当的@@认证@@、授权@@、访问和审计@@；参考数据和主数据管理@@，指通过计划@@、实施和控制@@活动@@，达到保证参考数据与主数据的@@一致性@@。
数据治理@@软件@@：工欲善其事@@，必先利其器@@
目前业界流行的@@数据治理@@软件@@@@，一般也称为数据资产管理产品@@、数据治理@@产品@@，主要包括@@的@@功能组件有元数据@@管理@@工具@@、数据标准管理@@工具@@、数据模型@@管理@@工具@@、数据质量管理@@工具@@、主数据管理工具@@、数据安全管理@@工具等@@。
利用数据治理@@软件@@主要解决企业不同来源@@数据集成过程中遇到的@@问题@@，需要数据治理@@软件@@能够为企业提供统一的@@元数据@@集成@@、数据标准管理@@、数据模型@@设计@@、数据质量稽核@@、数据资产目录@@、数据分析服务@@等能力@@。
基于大数据@@的@@人工智能时代的@@到来@@，为各行业带来基于数据资产进行业务创新@@、管理创新的@@契机@@，伴随着企业数字化转型@@过程@@，越来越多的@@数据被收集@@，大数据@@治理@@@@将为企业提供更全面更准确的@@数据@@，届时人类的@@大部分行为将可以被计算和预测@@，这种对社会成员的@@行为逻辑@@、社会事件的@@发展态势提前作出判断@@、预测和模拟@@，将使社会治理模式得到极大变革@@，从而@@极可能推动社会治理也由传统的@@人类精英经验治理向基于大数据@@的@@智能化治理转型@@。
