为了对信息进行更好的监督和管理，从而改善业务运营效率，许多企业都开始投资数据治理项目。其策略和流程设计用来在整个企业中产生更为精确和一致的数据，数据专员（DataSteward）需要确保把它从理论转化为实践。很大程度上，数据治理策略的成功就要取决于相关数据专员的努力。在某种程度上，建立一个符合企业现有架构的数据治理管理架构和运营模型是很重要的。这包括数据管理的各个元素。听上去很简单，但实际操作却困难重重。

　　当要上马一个项目，仓促做出可能无法达到预期目标的决定时，数据治理的问题就会显现出来。举个例子，如果一家公司在定义好自己应该做什么之前，就选定一个数据管理池会导致严重混乱。另外，那些要仓促证明已经迅速取得进展的企业最让数据专员头疼，因为他们要进行元数据调查以及许多毫无意义的工作。

　　如何有效地构建和管理一个数据管理团队，使其可以保持协调的治理活动？本文就将给出七条相关的建议：

　　职位正规化。在要求个人承担数据专员的角色之前，要确保有一个正式的职责划分；确定这个职位所需要的技能；衡量其表现的指标；如果数据专员不是一个专门职位的话，你还要对如何与现有工作相结合的细节进行敲定。

　　在管理角色上进行细粒度划分。数据专员其实包含了很多角色，例如元数据管理员和运营数据管理员。最好是能清晰的描述怎样区分这些角色，员工如何协同工作以支持数据管理流程。

　　建立数据的业务所有权。数据专员可能需要负责与数据治理策略保持一致的工作，但是那并不意味着他们所要负责的是数据本身。所有权和问责制必须划分给适当的业务单元或部门。

　　与业务保持一致。作为数据治理项目的一部分，数据可用性预期是在期望业务改善的背景下形成框架的，例如增加收入，降低成本，减少风险以及提高生产力。但大多数IT和数据管理从业者更熟悉数据管理机制而不是业务流程。如果数据专员并非来自于业务领域本身，那么就要有关键业务领域的专家来帮助他们识别数据问题并区分任务的优先级。

　　建立奖励机制。与那些有明显成果可以交付的典型项目不同，数据管理的本质是确保能应对数据偶然事件的发生，而成果也许并不是十分直观的。因此要为你的数据专员建立一套奖励机制，对他们进行认可和奖励。

　　正确的人干正确的事。由于数据专员角色尚在发展中，那么登广告寻找拥有多年经验的人可能不太现实。而且在很多公司中，数据管理并不是全职工作。因此，你可能需要在内部网罗具有管理潜能的人员。考虑哪项数据管理技能才是必需的，寻找有价值和良好沟通能力的员工，他们在寻求最佳实践上充满自信，并且能适应不断改变的理念。

　　给数据专员提供合适的工具。尽管数据管理从根本上说是一个程序问题，但依然有相应工具是可以支持，包括数据质量评估，数据验证，以及数据事件报告和管理软件，甚至可能包括数据质量和数据管理记分卡应用。

　　所有这些步骤有一个共同的主题：在设计数据治理和管理项目之前，需要做出哪些合理的努力，从而使其正常运转。一旦完成，招聘合适的人，给他们明确定义角色，使他们与业务单元保持同步并辅以绩效激励措施，这样有助于开启一个可持续的数据管理流程。