【66页PPT】部委、集团级数据治理项目经验分享

前言

昨天受邀参加机工社和DAMA中国主办的DAMA中国数据大讲堂系列活动，分享内容为《部委级数据治理项目建设经验分享》。

很多人错过了，想要听回放，也有很多人想要PPT。我跟DAMA中国沟通了一下，决定全部放出来，供各位参考。实力有限，如有谬误，还请多多海涵。

文末有完整版PPT下载，以及视频版连接，不想看文字可以直接拖到最底下。

本文多图，请在wifi环境查阅。土豪随意。点击阅读原文，即可观看直播回放。

前言

绝大多数互联网公司没时间建模、治理，直接拖宽表。业务变更频繁、建模缺位、指标爆炸，是导致互联网大数据环境中数据质量的低下的根本原因。

而在部委、集团中，时间相对充裕一些，标准更规范一些，但是同样面临部委和省级之间、各系统之间数据交换、对齐的问题。

因此，在不同的环境中，数据治理的重点和偏向都是完全不一样的。

今天分享的内容从实战出发，到落地结束。数据治理最难的不是系统建设，而是落地困难。所以今天先跟大家分享一下部委、集团类数据治理遇到的困境，以及各种问题的具体解决方案，还有如何进行经验复制。

你以为的数据治理

提到数据治理，第一反应就是数据部门一定要定标准、做执行、强监督啊，搞一个PDCA戴明环，一点一点慢慢的做起来。

然后呢？给下属单位、子公司和其他部门下文件、搞培训，做排名，轰轰烈烈做起来，各种办法都得上啊。

这样行么？这样有效果。但是肯定会非常非常的困难。因为很多事情跟你想象的不一样。

比如，你以为在部委、集团里办事是不是开个会，发个文件就好了？嘿嘿，那你简直太天真了。

实际上，各部委、集团的甲方，在执行项目的时候，电话根本放不下来，下面的各个厅局级的疯狂打电话过来各种确认问题。

乙方呢？那就更惨了！即便是做了万全之策，也会有无数的未知问题等着你。所以乙方基本都是处于疯狂加班的状态。

你以为部委、集团就是发发标准，数据质量自然就提高了？是，数据质量的确要制定好标准，但是你听说过“形同虚设”吗？

即便是通过行政命令强压下去，但是各地的基础条件不一，人员素质不一，经济实力不一，系统建设的好坏也就不一样。

还有，中文语义非常广，不同语境理解不一样，非常容易产生很多歧义。所以很多时候公务员真的都是在抠字眼，因为要力求精准。

经常是你想要他们填A，结果有很多人填A'、B、C。

你是不是以为在部委、集团里做事情，都是一声令下，然后就有山呼海啸，应者无数，事情推进的非常顺利？

实际上，基层工作人员手上的事情都非常非常的多，根本没办法及时响应，通常都是拖到最后一刻才交作业，晚交也是非常正常的事情。

如果你抱着以上的认知去做项目，拿着部委、集团的命令当尚方宝剑的话，我不敢确定你是否能成功，但是你肯定会吃尽苦头，撞一头的包。

核心原因

一般来说，你可能会遇到这三种情况：

耽误工夫，不想治！

数据治理太难了，不会治！

治好了没政绩，没啥用！

为什么会这样呢？我们需要追寻到问题的底层逻辑。

我们回到最开始的策略，先定标准、做执行、强监督，向下则是下文件、搞培训、做排名。

这是典型的领导视角，是带着一些强权的意思在下达任务。大家都是打工人，何必为难打工人？再说了，打工人手上的活也很多啊，谁愿意多一点活？

领导视角推动事情，最喜欢用的就是强权，但是最坏事的也是强权，很容易引起反感，没人听你的。

他们没有任何动力去做这种事情啊！这就像小时候的我，总是被爸爸妈妈逼着学习。晚上回家还站在我后面看着我写作业，谁心里舒服啊？

上面说到的“不想治、不会治、没啥用”只是三个典型而已，信不信给你找出100个理由？你想想小时候为了逃避写作业，你编过多少理由？

所以我们需要转换一个视角去办事，强权是靠不住的。根据我的经验，转换成兄弟视角是最合适的。

峰会内容

对付不想治，简单！病根找到了，那就让他自己想治就好了。

态度一定要明确：兄弟不是给你派活的！兄弟是给你助攻的！

再给你三个小妙招：举例子、挂欲望、给希望。

挂欲望的时候，一定要注意，这个欲望不是人性阴暗面的欲望，而是激发他的正能量。所以奖励钱是不好的，因为你在诱惑他。

而是从他的工作入手，告诉他能实现价值，比如节省时间。

我们最终的目标是转变他们的观念，将“要我治”变成“我要治”。化他们的被动成为主动。

对于数据治理太难的问题，我们必须帮助他们。因为很可能他们根本没有那个能力去做这些事情。

更何况，你要是放开让他们自己干，一人一个理解，全乱套了，最后没办法收场了。

所以我们得根据各种实际问题，帮助兄弟提供针对性的解决方案，最重要的是降低执行的难度，最好一键搞定。

对于感觉没啥用的观点，好处必须要落到实处。

怎么落？一定要设计好动力系统，让大家看到实实在在的好处，才能有动力一起推动这件事情。

该给的荣誉要给到位，标杆树起来，比学赶帮超，带动一大批。

虽然是数据治理，但是应用也得规划到位，否则业务部门无感，数据部门也觉得没啥用。

还得给下面干活的同学提供相应的工作管理和向上汇报的素材，好歹也能发一个内部的小通知不是么？

方法论复用

我这个方法论可不仅仅是在部委能用，在集团、普通公司都能用的。比如，在微信群里，就有想推动数据治理的朋友提一个问题：怎么反驳IT同时不恰当的言辞呢？

群里也有人给了非常专业的回答，这么说肯定是有理有据的。

不过在这里，也可以用我之前的那个套路套一下，也挺管用的。

比如，原来是要反驳，这明显是对立视角啊，想找他的问题很简单，随便能找一堆啊。但是对立就意味着失去了一个朋友。数据治理这么难，我们应该尽可能的团结一切可以团结的力量。他说错了就让他错呗。我们只要他合作就行了。

所以，转变一下视角，从对立变成合作。

一样，把“要我做”变成“我要做”：举例子、挂欲望、给希望。谁家的数据治理做的好，他们的IT部门都不用操心数据部门的事。SAP属于业务系统，数据分析数据分析系统，我们以前有问题都找你人工解决，以后我们自己解决。

提供全套解决方案，降低执行难度。数据治理很专业，有专门的系统，也有方法，我这里还有高手，不会给你添麻烦。

规划先行，设计动力系统。做好了，你也省心啊。每次有进展的时候，向领导汇报，都感谢一下他。

你看，这样做，阻力变成助力，推进起来是不是就容易多了？

数据治理目标

接下来，给大家分享一下比较枯燥的数据治理建设方法论。

不同场景、不同项目对数据治理的需求是不一样的。个人认为核心的就这几个：

1、提升数据质量；

2、规范数据管理；

3、统一数据出口；

4、数据资产化。

理论指导采用DAMA，这是DAMA的车轮图，我们在具体落地的时候，一般都会从中进行裁剪，选择合适的内容进一步搞建设。

另外一个是DCMM，也是一体两面，同样需要裁剪。

我们需要进行常规的现状问题分析，找到问题背后的根本原因，然后再制定相应的策略，从根上解决。

比如每个人都能定义指标，数据部门沦为提数工具。这个现象的根本原因是缺乏归口管理，也就是数据部门没啥权利。这是组织问题，需要从组织层面解决，制定指标定义流程，确定数据权威。

部委、集团层遇到的问题就更多了。信息化做的早，不一定是好事。

一般来说，裁剪完之后，就会剩下几个重点要做的事情。

峰会内容

组织一定要先行！数据治理犹如河道清理，不仅仅是清理工的工作。上游、河道两旁的垃圾、废水排放不制止，把河道清理工累死也无用。

所以数据治理应该向政府治理城市河道学习，要联合各个部门，做宣讲，改变大家随意排放的观点。做污水管道，引导河道两边的社区、企业合理排放。最后加上一些河道清理，这样大家一起努力才能有效。

组织先行的第一步是设立数据治理委员会，主要目的是把老板拉进来，把业务部门负责人拉进来，一起进行治理。这一步时间最小，但是重要性最强。

其次是制定各种管理规范，让大家有法可依。

然后才是建立数据治理团队，不仅仅是数据团队要加入，其他团队也要加入。

最后才是责任到人，落实到位。

这是组织架构简要示意。

部委级的组织架构简要示意。

这是各种政策的简单示意。包括数据安全、质量管理、各种校验方案、管理办法等。

这是各种计划示意，具体的工作肯定不止这么少。但是逻辑是一样的。

管理方案

数据治理应该覆盖所有环节。但是项目建设范围有限，不建议超出项目建设范围。

一般主要有三个环节：生产、传输、加工。再往后是使用环节，那边主要是发现问题的地方，而且往往在系统之外，所以不太好管理。

这三个环节管好基本就差不多了。

在生产环节，我们需要跟业务部门多多沟通，有些时候需要看看数据，反应的都是那些环节出问题了。也许是人的问题，也许是培训不到位，也许是系统不友好。我们根据实际情况进行调整，不断优化即可。

在数据清洗的过程中，重要是成本和质量之间的平衡。这时候我们应该让业务参与进来，尽量做到用最小的成本覆盖最多的数据质量监控。

对于已知的异常数据，我们可以根据数据的重要性和其他特征，做相应的处理，能填补的就填补，不能填补的就原路返回，改好了再重新发过来。

在数据治理的环节，一般要分成存量和增量场景。存量场景基本上一次性操作，人工突击搞一下就行了。增量场景则需要进行全面监控，而且还要持续治理，人工处理效率太低，成本较高，建议用系统承担。特殊情况再由人工介入。

数据治理是一个综合、复杂、困难的工作，需要多方协调。建议由信息中心、IT部门牵头，定标准、做规范，拉上业务部门和厂商一起进行。期间一定要做好宣贯、协调工作。

招术尽出，最后还是要加一根大棒。因为没有考核就没有结果。我遇到过什么事情都做了，但是结果就是不好的情况。

你想想身边是不是有这种“天天加班，但就是干不好活”的人？

治理平台建设

在不同的阶段，数据一致性校验的内容是不一样的。以部委为例，先要从省级平台同步数据到国家同步库，然后再入到基础库，最后到应用系统。期间会经过同步、清洗、处理三个阶段。

同步的时候，校验的目标是数据源和接收结果是否一致；

清洗的时候，校验的目标是数据是否干净；

处理的时候，校验的目标是数据是否准确。

系统截图：略

组织建设

在数据治理环节上，要做到闭环。在组织建设流程上，也要形成闭环，这样才能把每一件事情做到位，每一条数据治理干净。

最后帮DAMA做一个广告：我是DAMA中国会员，DMBOK是国际数据管理的标准知识体系。

现在DAMA2.0已经发布，感兴趣可以直接点击链接购买。

结语

完整版PPT下载：公众号“大数据架构师”后台回复“0415”即可下载。

感谢阅读，本次分享的内容就结束了。

欢迎大家加我微信好友，尽个点赞之交，一起进化吧!

推荐阅读：

CRM、DMP、CDP到底都是些啥啊？

如何打造数据治理闭环？以金融行业为例

快⼿数据质量保障体系及在直播场景的实践

数据资产化的前提-浅谈数据治理体系的建设

主数据又是啥东东？应该怎么建？

什么是数据、元数据、主数据和参考数据？

近期数据治理案例合集

更多精彩：