新入职一家公司，如何开展数据治理工作？

新入职一家企业，从事数据治理相关工作，直接领导肯定会问后续的工作如何开展，我的思考如下：

回答这个问题前，我们得明确这个问题的潜在条件。一家企业要想做数据治理，并且放出来相关的岗位，说明该企业在数据治理的工作上已经有了充分的内部讨论，比如：数据治理的宏观目标、数据治理战略路线图、团队组织架构归属、团队规模等。简单来讲，这家企业在数据治理工作上有思考和规划，但是深度和可执行性需要进一步讨论。这时，就可以分为两种情况来回答：

1、该企业已经有了非常明确的数据治理规划，具有良好的落地参考价值。前期数据治理规划的产出物参考如下：

• 数据治理愿景：关于数据治理目标的高层次表达
• 数据治理规划蓝图：说明数据治理的组织、流程、制度、工具、治理领域以及相关业务领域，还有彼此之间的联动关系
• 数据治理实施路线图：说明未来若干年的数据治理的关键里程碑节点，比如2两年后，要完成数据治理产品2个模块建设，覆盖元数据和数据质量两个数据治理领域以及***和***两个业务领域
• 数据治理的使命和长期目标：包括治理技术目标和业务支撑目标（未来若干年要实现什么程度的数据赋能业务）
• 数据治理的短期目标：符合smart原则（specific、measurab、attainable、rlevant、time-bound）的短期目标（12-24个月）
• 数据治理组织架构图：可以不完整，但是得包括关键角色，比如战略层核心角色（CEO/CIO/业务负责人等）、管理层核心角色（数据治理负责人）。此外，还要有数据治理相关角色和职责的描述。

有了以上的材料，则原始问题回答起来就简洁很多：“根据公司已经做好的数据治理规划，按照实施路线图，稳步推进数据治理工作，包括数据治理产品、流程规范、业务领域等方面；同时，根据推进过程中的实际问题和业务现状，反过来调整数据治理工作重点和原始规划”。

2、该企业的数据治理规划非常粗浅，不具备落地参考价值。

一般来讲，企业在找人的时候会讲JD写得比较明确，让候选人更清晰了解该岗位的职责，从中就可了解到该岗位是偏规划、还是偏执型、还是二者兼有。比如下面的JD：

岗位职责:

1、负责数据治理解决方案的整体规划和编制;###规划，偏落地执行层面，应该是有数据治理的高层级规划参考的 
2、负责数据治理类项目的实施和运营,梳理数据资产,并输出数据治理项目交付的文档;###执行
3、与业务人员一起制定数据质量管理,主数据管理,数据标准管理,数据字典管理,数据模型管理,元数据管理流程体系;###执行
4、参与大数据基础架构和技术体系的规划建设,推动数据治理工作,解决实际业务问题;###执行
5、负责数据治理平台的搭建、制度建设及推广工作;###执行
6、制定、开发数据质量检核规则,推动数据质量问题整改;###执行
7、负责其他数据治理与数据管控类工作。###执行

从上面的JD可以看出来，该工作是规划 + 执行 的复合类型。也就是说该公司做了初步（粗浅）的数据治理规划工作，但是还没有到详细的落地解决方案层层面，以上面的JD为例，原始问题我们可以这样来回答：后续的工作，我打算这样来推进：

2.1 在初步了解企业整体及业务单元的需求后，初步规划详细的数据治理落地解决方案，内容包括：

• 数据治理规划蓝图：用于向上汇报和高层沟通
• 数据治理的实施路线图：用于向上汇报和向下指导执行
• 数据治理的短期目标：最近12-24个月要做的数据治理任务集合
• 数据治理组织架构图：符合企业现状的、可落地的数据治理组织架构图以及对应的角色-职责列表

注：上述规划是初步的，后续有调整空间。

2.2 执行全面的数据管理成熟度评估。

建议发起一个数据管理成熟度评估项目，通过外部专家/机构的引入，对企业当前全部业务的数据管理进行正式的、系统的评估，明确：

• 数据管理现状：包括已取得成就和不足
• 数据治理各技术领域的成熟度差异：数据战略、数据架构、数据质量等
• 各业务单元数据管理成熟度差异：营销、财务、人力等
• 该公司在行业的数据管理现状
• 数据管理能力提升建议：行业最佳实践、业务单元开展顺序（如 先开展公司重点关注的业务板块）、治理领域开展顺序（如 先开展元数据管理）

根据评估的结果，再次调整上一步做好的“初步数据治理落地解决方案”为“可正式推行的数据治理落地解决方案”。数据治理落地解决方案在正式推行之前，需要在公司内部的执行层、管理层和战略层开展充分的讨论和审批。
数据治理工作是一项基础性工作，每一步都要稳扎稳打，需要公司的内外部、上下层进行充分的讨论和审批。

2.3 根据2.2输出的数据治理落地解决方案逐步推进各个业务单元和治理领域的数据治理工作，主要包括如下三个方面：

• 咨询：比如一开始要做营销业务单元的元数据管理工作，在产品采购/开发和治理实施开展前，得先考虑清楚元数据管理需要：
• 什么样的角色参与，每个角色的职责是什么，尤其要关注需要哪些部门参与
• 什么样的管理流程才能将各个部门、角色有效串连起来，走通整个数据治理的闭环，就像发布前的联调。针对元数据管理的流程，比如 元数据采集、发布、修改 等流程
• 什么样的管理工具，工具具备什么样的功能等（比如支持角色权限、支持管理流程等）
• 什么样的成功标尺，才能保证项目的目标明确和后续的业务验收
• 数据治理咨询工作是向数据治理产品采购/开发工作提需求的过程
• 咨询工作需要数据管理部门、IT部门、业务部门等多方参与，咨询报告需要递交管理层（和决策层）审阅和批准，因为涉及到人员编制增加或人员工作调整、KPI调整、各部门的协作等
• 工具：仅有一套组织架构和流程机制是无法开展数据治理工作的，数据治理工作需要依托一个良好的数据治理工具，一般要满足两方面需求：
  • 咨询阶段提出的数据治理功能需求：比如元数据变更订阅、元数据维护、元数据版本管理等功能
  • 公司通用的产品需求：比如 设计风格、统一登录、统一数据接入等
• 实施：由对应的角色、在数据治理工具上执行数据治理（如元数据管理）的过程。对于数据治理处于起步阶段的公司，实施主要包括两部分内容：
  • 按照数据治理的相关流程正向实施：比如元数据应该如何采集，发现问题应该如何解决等等
  • 根据实施过程中发现的问题反向优化数据治理流程：比如原来的元数据采集流程没有考虑到实时数据采集，后来遇到该需求，就得输出实时数据采集的流程和对应的角色

2.4 效果评估

某项数据治理工作进展过程中需要时常对标成功标尺，如此才能保证项目成果满足原始业务需求，可以被正常验收，同样也能保证后续的数据治理工作能连续开展。

上述几个步骤整体构成了PDCA循环，这也说明了数据治理是一个长期持续、迭代优化的过程。