随着数字化转型的不断深入，企业数据的不断积累，以及企业决策向“数据驱动”转型，数据无疑已经成为企业必须加以管理的重要战略资产之一。因此，越来越多的企业开始重视数据治理，将数据治理看作企业发展的重要一环。然而，数据治理是一项长期且艰巨的工作，价值也不容易凸显，作为IT部门，应该如何看待数据治理，应该如何推动数据治理工作？
在本期《企业数据治理实践》专题，CIO发展中心特别邀请到宝能汽车数据管理总监曹煦林，针对企业面临的以上焦点问题，进行答疑解惑。（在上一期，我们对威马汽车数据治理负责人进行了专访，点击链接查看上期文章。）
面对有些企业对数据治理价值的质疑，宝能汽车数据管理总监曹煦林先生在专访时谈到：“数据治理的价值不言而喻，对于企业来讲，从短期来看，数据治理可以迅速促进数据质量的提升，特别是在从无到有的情况下，数据治理改善数据质量的效果非常显著。从长期来看，数据治理对于数据成为企业的战略性资产具有重要意义，如果没有数据治理，数据变现的能力会受到极大的制约, 因此企业进行数据治理是非常必要的。”
宝能汽车数据管理总监 曹煦林
揭开数据治理的神秘面纱
目前很多企业都在关注数字化转型，并且把数字化转型视为企业的重要战略，部分企业在数字化建设的过程中，发现存在严重的数据质量问题，所以成立专门的数据治理组织进行数据治理的工作，这也是当前很多车企的现状。车企在转型过程中，大规模的开展数据应用时，会察觉到数据质量不足以支撑数据应用的情况，便开始实施数据治理。这样导致企业无法提前进行顶层设计或者提前制定数据治理的相关规划，因此无法形成数据治理方面的相关制度和规范。
企业开展数据治理项目有两个驱动力，一个是数据质量，另一个是数据安全。一方面， 企业通过提升数据质量、支撑数据分析和数据应用，为企业决策和运营改善提供支持；另一方面，数据是企业宝贵的资产，关系到企业的生存与发展，因此数据资产的安全也不容忽视。目前来看，一些行业领先的互联网公司在数据治理上做的相当不错。但在车企中，特别是传统车企，总体上还处于初始水平，而且对于数据治理的重视程度是远远不够的。
数据治理并不是一个新鲜的社会发展产物，但是诸多企业对于数据治理仍然存在各种各样的疑问，数据治理到底是什么？想要了解数据治理的庐山真面目，我们先要明确治理与管理的区别。
曹煦林指出，治理更加偏向于顶层设计；而管理则是企业日常经营活动不可或缺的一部分。为了防止企业把两者的概念混为一谈，曹煦林和我们打了个通俗易懂的比方：如果一条河污染了，我们要花大代价、立项目处理污染，我们通过项目最终成立了河水的环保管理组织，并形成了一套完善的保护水源、排污的管理制度和举措，使得河水重新变得清澈。如果把河水比作数据，变清的过程就是数据治理；但是为什么河水会被污染呢？那一定是河水的日常管理出问题了，这就是数据治理和数据管理的区别。从广义上来说，数据治理是数据管理的一部分，可以理解为数据管理的高阶管理活动，是对企业的数据资产管理行使指导、监控及评估等一系列的管理活动的集合；而数据管理是企业日常对数据资产行使计划、建设、运营及控制等一系列日常管理活动的集合，数据治理与数据管理的关系可参考下图：
由业务出发的数据治理架构
开展数据治理工作最重要的一个原则是：数据治理要遵循数据应用价值导向原则。数据只有得到有效应用才能产生业务价值，不管是企业建设数据平台，还是实施数据治理（管理）项目，本质上都是为数据运营（应用）服务的，见下图：
所以，数据治理应该从业务需要的数据出发，对于具有显著数据使用价值的领域优先进行治理。由于数据治理工作本身会产生成本，所以一定要抓住关键数据，确保驱动业务的数据质量不断提升。
车企搭建数据治理框架，首先应当搭建一个数据管理体系，在通用数据管理标准方面，依据DAMA（国际数据管理学会）在DMBOOK里对数据管理体系职能的定义及IBM、华为等知名企业在数据管理领域的理论及实践，建议企业把数据管理体系分为数据治理、数据架构管理、数据质量管理、数据安全管理、主数据管理、元数据管理、数据生命周期管理七个主要职能方面，框架图如下参考：
数据治理要求多方协作
对于车企来说，数据治理涉及到研发、生产、供应链、销售等多个领域的数据，数据类别的多样化在无形中加大了数据管理的难度，因此很多企业在治理时也是丈二和尚摸不着头脑，不清楚IT部门该如何与业务部门进行有效的协作分工…… 对于上述问题，建立起合理的数据管理组织和管理体系是关键，曹煦林表示，由数据责任部门、数据使用部门、数据管理部门，数据技术支持部门（IT）构成的“四位一体”的管理模式将为数据管理工作的开展装上引擎：
四个部门是分工合作的关系，各业务部门承担着数据责任部门的角色，遵循着哪个部门产生数据，哪个部门就是数据责任部门的原则。
除了业务部门，数据管理部门也扮演着重要的角色，它的主要职责是企业数据标准的统一以及架构设计、数据管理相关流程的制定。车企大多数是to B的业务，而且业务部门的数据是分散的，在数据的拉通和渠道的建设上存在很多问题，主要表现在信息孤岛现象非常普遍。因此，车企需要建立一个数据的统筹及管理部门来横向拉通。设立的数据管理部门能有效统筹、拉通数据，无论是研发、制造、还是销售，都可以通过制订的统一标准形成相关的流程制度，保障数据共享并且落地实施，满足业务对数据的需求。成立专职的数据管理部门，也是从IT走向DT的重要标志之一。
阶段评估保证项目效果
数据治理工作的成效如何去量化、衡量一直是个难题。因为企业不可能完全剥离其他因素的影响，单独去判定数据治理的效果。数据质量的相关指标，可以作为衡量数据治理各个阶段是否成功的一个重要依据 ：企业可以按数据质量的七大维度——准确性、完整性、规范性、及时性、唯一性、一致性及关联性，设立相关指标进行分解并划分出级别，对数据治理的效果进行把控。除此之外，企业不妨根据自身数据管理的现状参照数据管理的成熟度评估模型，制定相应的评估细则并且由专职的数据管理部门进行数据治理成效评估，通过评估的结果制定数据改善规划，分步骤按计划进行，参考见下图：
规划诚可贵，落地价更高
从众多企业的实践来看，传统企业数据治理比较难以落地的原因有两点：
数据治理是一个长期工程，也是一项基础性的工作。作为基础工作，数据治理往往没办法立竿见影的展现它的价值，项目价值的滞后性，就会导致公司资源投入的减少，为项目落地带来阻力。
企业高层重视程度不够，这是非常关键的影响因素。数据治理工作通常需要从组织、制度、流程、IT四个维度方面展开，特别是在数据管理组织及制度建设及资源投入上，离不开公司高层领导的支持，高层领导重视不够就会导致数据治理项目难以落地。数据治理项目想要成功推进，高层领导的认可将为数据治理工作的开展带来强劲动力。
千方百计力保数据安全
不同业务性质的企业，数据安全的策略是不一样的，比如说金融行业的企业，对数据安全的管控就会比较严格。对于车企来说，数据安全需要做得更多的是一些数据开放度的权衡。
想要保障数据安全，首先，要制定合适的数据安全策略。数据安全很多时候是一把双刃剑，一方面大数据的发展和深入应用，必然带来信息安全的风险。另一方面，如果数据安全管控过度，将影响数据的共享和应用。
第二，要定义数据安全标准制度。企业制定安全策略以后要定义一系列数据安全标准及制度，这包括划分数据的密级，数据加密标准和机制，数据访问标准，数据安全事故处理制度等等，这项工作一定要不断细化，确保数据安全有章可循。
第三，数据安全的责任部门要与IT部门协作，在企业所有的信息系统中去落实数据安全标准。例如实现信息系统的数据权限管控、数据的加密和脱敏处理等。
后续就是日常监控数据安全及数据审计的一系列管理活动，确保满足企业数据安全策略的同时，还要遵守国内及国际上越来越多的数据法规，比如数据隐私和安全法规等。
实战经验助力车企数据治理
古语讲，成功之路讲究天时、地利、人和。车企要想在数据治理上取得成功，也应当具备基本的土壤。数据治理部门不妨从以下三点入手，进行项目的开展。
第一，取得公司高层的重视，这是第一位的。同时要有贴近企业自身数据管理成熟度的规划及顶层设计。这里包括要成立相关的组织，制定流程及奖惩机制。
第二，保证强有力的执行。在执行环节要注意要抓关键数据和数据的源头。分清主次，分阶段按计划实施，避免烟囱式的管理，让数据和企业端对端流程融合。
第三，确保资源和投入到位。数据治理要花大量的资源和投入，数据治理项目的成果最终需要固化在企业业务流程的改变和IT系统的变革上。
结语
当今时代是一个信息时代，企业的IT部门应当通过数据运营、数据应用帮助企业实现数据资产的有效管理，及时发现数据的问题，深度发掘数据的价值，这样一来，便可以实现企业数据资产的盘活和有效利用。进而使数据的价值更好地为企业服务，从而为企业带来更为卓越的成果。
