3. 数据Owner的选拔标准：业务能力、技术视野、沟通协调能力
说实话，很多企业搞数据治理，第一步就栽了——选错了Owner。
我见过太多这样的场景：领导一拍脑袋，把数据Owner的帽子扣在某个技术骨干头上，结果这人天天被业务部门追着问数据含义，被合规部门催着补血缘关系，最后连代码都写不成了。也见过把Owner扔给业务经理的，结果他连数据怎么存、怎么算都搞不清楚，开会时只能干瞪眼。
所以这一章，我想跟你聊聊：到底什么样的人，才适合当数据Owner？
核心观点：数据Owner不是“管数据的人”，而是“对数据结果负责的人”。选拔标准必须同时覆盖三个维度——业务能力、技术视野、沟通协调能力。缺一个，后面都会出问题。
3.1 三维度选拔模型
我习惯用一个三角模型来评估候选人。三个角分别是：业务理解力、技术判断力、组织影响力。只有三个角都够长，这个人才站得稳。
3.2 业务能力：不只是“懂业务”
很多人觉得，业务能力就是“知道这个字段是什么意思”。其实远不止这些。
我评估业务能力时，会问三个问题：
- 能不能说清楚数据的业务价值？ 比如“客户画像数据”到底能帮销售做什么决策？
- 能不能判断数据质量的优先级？ 哪些字段错了会影响财报，哪些错了只是报表不好看？
- 能不能定义数据的使用边界？ 哪些部门可以用，哪些场景不能用？
我的经验：有一次选一个客户数据域的Owner，候选人是CRM系统的产品经理。他不仅能说出每个字段的业务含义，还能画出数据在销售、市场、服务三个部门的流转路径。这种人，业务能力是过关的。
业务能力不足的Owner，会犯什么错？
- 把“数据标准”做成技术规范，业务部门看不懂、不愿用
- 遇到数据质量问题，只会说“找IT修”，而不是判断问题的影响范围
- 数据资产目录里全是技术术语，业务人员根本找不到自己要的数据
3.3 技术视野：不一定要会写代码
这里我要说清楚：技术视野不等于技术深度。数据Owner不需要是架构师，但他必须能看懂技术方案的风险和成本。
我建议从这几个方面考察：
| 考察维度 | 具体问题 | 合格标准 |
|---|---|---|
| 数据架构理解 | 知道数据仓库、数据湖、实时流的基本区别 | 能说清楚自己负责的数据存在哪、怎么来的 |
| 数据血缘认知 | 理解数据从产生到消费的链路 | 能画出核心数据的上下游依赖图 |
| 技术风险判断 | 知道哪些技术改动会影响数据质量 | 能对“改表结构”“换ETL工具”这类变更说“不” |
| 成本意识 | 了解存储、计算、接口调用的基本成本 | 不会提出“把所有数据实时同步”这种方案 |
我曾经踩过的坑：选了一个业务能力很强的市场总监当数据Owner。他完全不懂技术，结果被数据团队忽悠着上了套昂贵的实时数据平台。其实他的业务场景只需要T+1的离线报表。那次之后，我坚持技术视野必须作为硬性门槛。
你可能会问：如果候选人技术基础薄弱，怎么办？
我的做法是：给他安排一个技术副手（Data Steward），但Owner本人必须参加至少两周的数据架构培训。培训结束后，让他自己画一遍核心数据流。画不出来，就换人。
3.4 沟通协调能力：最难量化，也最关键
数据Owner的工作，70%是沟通。为什么？
因为数据治理的本质是“协调各方利益”。业务部门想要灵活，合规部门想要控制，技术部门想要稳定。Owner就是那个在中间找平衡的人。
我评估沟通协调能力时，会看这几个场景：
- 冲突处理：当业务部门要求“开放所有数据权限”，而合规部门要求“严格管控”时，他能不能提出折中方案？
- 向上汇报：能不能用一句话说清楚“为什么数据质量有问题”“需要什么资源”？
- 跨部门推动：能不能让销售、市场、客服三个部门坐在一起，统一“客户”的定义？
一个实用的考察方法：让候选人主持一次跨部门的数据标准讨论会。你在旁边观察——他能不能控制会议节奏？能不能把不同部门的诉求翻译成统一语言？能不能在争论中推动结论？一次会下来，能力高低一目了然。
3.5 选拔流程：三步走，不踩坑
我建议的选拔流程是这样的：
- 第一步：自荐+推荐——发布Owner岗位说明，让有意向的人自荐，同时让部门负责人推荐。这一步能筛掉“不想干”的人。
- 第二步：三维度评估——用上面的三角模型，对候选人进行打分。每个维度满分10分，总分低于21分的直接淘汰。
- 第三步：实战模拟——给候选人一个真实的数据问题（比如“客户数据重复率30%”），让他出解决方案。看他的思路是否完整，是否考虑了业务、技术、组织三个层面。
| 评估维度 | 评分标准（1-10分） | 权重 |
|---|---|---|
| 业务能力 | 能说清数据价值、质量优先级、使用边界 | 40% |
| 技术视野 | 理解架构、血缘、风险、成本 | 30% |
| 沟通协调 | 能处理冲突、向上汇报、跨部门推动 | 30% |
我的个人习惯：实战模拟环节，我会故意在方案里埋一个“坑”——比如让候选人忽略某个关键干系人。如果他没发现，说明他的沟通视角还不够全面。这个环节能筛掉至少30%的候选人。
3.6 避坑指南：这些情况，我建议你换人
最后，分享几个我亲身经历过的“选错人”案例：
- “技术大牛”型：技术能力满分，但跟业务部门开会时全程讲技术术语，业务听不懂，最后数据标准没人执行。
- “老好人”型：沟通能力很强，但业务和技术都一知半解。遇到数据质量问题，他只会说“大家商量一下”，拿不出决策。
- “甩手掌柜”型：挂名Owner，实际工作全扔给数据团队。问他数据现状，他比你还懵。
嗯，选对人，数据治理就成功了一半。选错人，后面所有流程都会变成“补窟窿”。所以这一章的内容，值得你多看两遍。