数据是企业的一项重要资产，这已然成为大家的共识。然而在现实中，很多企业并没有将这项资产充分利用起来，挖掘真正的数据价值。

对于一部分传统企业的业务部门来说，准确有效的报表数据是他们做决策的基础，但是他们常常会抱怨数据不准、数据没有等等；而 IT 部门则有苦难言，作为一个企业的支撑性部门，有时候无法协调所有部门保持对数据的高度敏感，所以通常收集上来的数据中含有很多脏数据，无法使用。

大数据时代的到来，让越来越多的机构看到了数据资产的价值，将数据视为机构的重要资产，已经成为业界的一种共识。如何更好的运用数据进行业务效率提升已经成为各机构最为关心的话题之一。

正因为如此，企业急需一整套数据治理体系，能够通过制度、流程、平台等一系列的手段来改善数据质量，确保“有可用数据”，让合适的人可以访问合适的数据，最终实现企业级数据共享，为数据分析、挖掘提供基础。

在谈体系化的数据治理之前，让我们来首先了解一个概念：

一、什么是数据治理？

数据治理并不是一个新生事物，可以说，有数据的地方就存在数据治理。国际上对数据治理并没有统一的定义，概括地讲，所有为提高数据质量而展开的业务、技术和管理活动都属于数据治理范畴。

《DAMA 数据管理知识体系指南》一书给出的定义：数据治理是对数据资产管理行使权力和控制的活动集合。从范围来讲，涵盖了从前端业务系统、后端业务数据库再到业务终端的数据分析，从源头到终端再回到源头，形成的一个闭环负反馈系统。其目的是通过有效的数据资源控制手段，进行数据的监督管理，以提升数据质量进而提升数据变现的能力和管理的效率。

具体是以服务组织战略目标为基本原则，通过组织成员的协同努力，流程制度的制定，以及数据资产的梳理、采集清洗、结构化存储、可视化管理和多维度分析，实现数据资产价值获取、业务模式创新和经营风险控制的过程。简单地讲，数据治理强调的是逐步实现数据价值的过程，是一个从混乱到有序的过程，是一个长久的、持续性的过程。

二、数据治理的目的和意义

数据治理的目的在于确保数据的质量，可用性，可集成性，安全性和易用性。

如果将数据比喻成水，有效的数据就是饮用水，为生命提供源动力；无效的数据就好比脏水，给人体健康带来伤害，严重时甚至危及人的生命。数据治理可以把脏水经过过滤，萃取，变成健康的饮用水。

面对庞大的数据量，如何打通、消除数据孤岛，做好数据治理，挖掘数据价值，更好地利用数据已经成为政府、企业数字化转型的关键。

三、数据治理框架

相对于国际组织和国际机构发布的数据治理框架，以下国家标准GB/T 34960 发布的数据治理框架比较符合我国机构和政府的组织现状，更加全面地和精炼地描述了数据治理的工作内容，包含顶层设计、数据治理环境、数据治理域和数据治理过程。

顶层设计是数据治理实施的基础，是根据组织当前的业务现状、信息化现状和数据现状，设定组织机构的权利，并定义符合组织战略目标的数据治理目标和可行的行动路径。数据治理环境是数据治理成功实施的保障，指的是分析领导层、管理层、执行层等等利益相关方的需求，识别项目支持力量和阻力，制定相关制度以确保项目的顺利推进。数据治理域是数据治理的相关管理制度，是指制定数据质量、数据安全、数据管理体系等相关标准制度，并基于数据价值目标构建数据共享体系、数据服务体系和数据分析体系。数据治理过程就是一个PDCA（plan-do-check-act）的过程，是数据治理的实际落地过程，包含确定数据治理目标，制定数据治理计划，执行业务梳理、设计数据架构、数据采集清洗、存储核心数据、实施元数据管理和血缘追踪，并检查治理结果与治理目标的匹配程度。

四、数据治理方案设计与实施

具体到数据治理的设计方案，主要阐述一些关键点。首先要考虑数据治理的目标，其一，对数据通过统一的视图进行管理；其二，对多源数据进行标准化处理；其三，数据资产化是最重要的活动，是数据价值挖掘的基础。

标准先行，一般来说需要事先制定“数据分类及编码标准”、“数据目录标准”、“数据项标准”、“数据安全标准”、“数据交换共享标准”；依据标准建立数据目录管理功能，通过数据目录管理来落实数据分类编码、数据目录和数据项标准；建立数据清洗规则，使数据目录与源数据表建立映射，数据项与源表数据项建立映射，通过ETL实现对源数据的清洗；建立数据质量管理功能，按照数据目录定期检查数据的质量问题，并通过数据问题库来记录和跟踪数据的质量问题，从而达到持续改进数据治理的效果；建立数据安全管理功能，数据安全主要通过三方面来实现，其一是数据加密、脱敏等技术，其二是数据权限，包括表级、行级和列级权限定义，其三对数据交换共享进行日志记录，并定时自动审计数据安全问题。建立数据服务功能，一般都会提供通过文件、接口的方式来提供数据服务功能，按照数据安全标准对数据服务方式进行处理。

从技术实施角度看，数据治理包含“理”“采”“存”“管”“用”这五个步骤，即业务和数据资源梳理、数据采集清洗、数据库设计和存储、数据管理、数据使用。

五、九慧特色数据治理方案

结合九慧所服务的大量以SAP ERP为基础的客户而言，我们发现数据问题不仅仅是我们平时所提出的“数据分类及编码标准”、“数据目录标准”、“数据项标准”这些分类标准上，因为在我们实施SAP的过程当中，已经严格按照SAP的实施标准，把主数据、BOM、成本中心、利润中心等按照SAP的要求从不同的视图当中进行了维护，并且在实施过程当中有些企业还启用了MDM系统或者SAP的MDG系统，但仍然存在大量的业务数据让企业用户感觉数据问题很大，究其原因我们发现，ERP虽然已经上线，但具体业务操作并没有按规范严格执行，导致存在以下现象：

• 销售端的插单/改单/交期不确定等因素, 造成内部协调不顺畅；

• 生产端计划安排不合理，停工待料；生产计划的安排/派工/统计滞后，计划不指导生产，生产指导计划；

• 采购计划不准确，经常调整， 缺少供应商的评估机制；采购订单误期较多，造成生产缺料；

• 仓库库存不准确，实物和编码不能对应，盘盈盘亏较大；缺少库存周转率、呆滞分析

• 财务业务分离，对业务的监控较弱，不能及时反映经营状况，核算效率较低；成本核算与车间实际消耗相关性不高，差异分析不足

• ……

因此，我们认为数据治理不仅仅是制定一套规则、引入一个数据治理平台那么简单，而是要找到数据不准确的问题核心在哪里，并针对问题逐步改善操作直至数据达到真正可靠的地步，这样对数据进行分析才会有更准确的基础和更大的应用价值。

针对以上ERP在实际操作过程当中而导致的数据问题，九慧提出了自己的解决方案：九慧ERP360+数飞360。

九慧ERP360是九慧独立研发、拥有自主知识产权的一套针对ERP业务执行的运营数据分析平台。可以实现从指标出发，快速呈现具体业务的执行情况，可以落实到具体部门以及个人，并且支持层层钻取，一直可以找到引起指标异常的具体业务单据，从而帮助企业从纷繁的业务当中快速锁定问题发生的根源，快速解决问题。

数飞360是基于ERP360的指标之上，通过日指标-月指标-管理指标-管理报表的层层构建，依托于独立的WEB端，通过图形化界面对各部门的具体表现进行评分对比，并且可以层层钻取，从而实现对各部门运行整体评估、各项指标反应现状、异常管理提醒预警等功能。

通过以上两套利器的结合，九慧从根源上解决了企业实际运行过程当中所遇到的各种基础性数据问题，再结合九慧对于企业数据分析不同层级的应用，我们形成了完整商务分析方案：

具体来说，商务分析涉及：经营预算、经营分析、运营分析与监控、业务执行清单等不同4个层级和管理导向的体系建设，实现计划、执行、监控、分析的管理闭环。

需要强调的是，九慧商务分析有2个特点：

1.重视数据治理、数据转化的本质，避免商务分析存在轻“体”重“用“倾向，追求炫目的展示界面；

2.重视运营分析，为避免经营分析和业务执行脱节，经营指标的异常原因无法深入追溯、挖掘，九慧开发了数飞360平台，插入了运营层300多个指标，承上启下打通了数据链、分析链。

六、总结

综上所述，数据治理是所有数据应用的根基，数据治理的好坏直接影响所有数据应用的价值。机构无论是基于数据看报表，还是做交互式的多维分析，还是做更复杂的个性化推荐，所有的数据应用都需要有一个良好的数据治理结果。

机构要把数据管理上升到数据治理的高度，纳入到公司治理和监管中，建立起主动、全周期、全覆盖、动态的数据治理体系。

构建自上而下、多层次、覆盖全员、责任明确的数据治理机制，同时营造积极审慎的数据文化，把握国内外数据治理的最新动向，持续评价并更新数据治理制度和手段。在实施数据治理时需因地制宜，根据机构实际情况制定切实可行的数据治理方案，通过有效的数据资源控制手段，进行数据的管理和控制，提升数据质量，进而使数据发挥其真正的价值。