1. 数据治理概述

各位同学好，我是老张。做数据治理这行十几年了，踩过的坑比走过的路还多。今天咱们聊聊数据治理最基础的东西——定义、目标、挑战，还有它跟数据管理到底有啥区别。

说实话，我刚入行那会儿，数据治理这个概念还挺模糊的。大家嘴上都在说，但真要问「什么是数据治理」，十个人能给你十一个答案。后来做项目做多了，慢慢才摸清楚这里面的门道。

数据治理的定义

数据治理，说白了就是一套管理机制。它管的是数据从产生到销毁的全生命周期，包括谁能用、怎么用、用得好不好。

我个人的理解更直白一些：数据治理就是给数据立规矩。没有规矩，不成方圆。数据也是一样。

我在项目中遇到过一家企业，数据量特别大，但各部门各自为政。销售部叫客户ID，市场部叫客户编号，技术部叫user_id。你说这是不是同一个东西？没人说得清。这就是缺了数据治理的典型症状。

数据治理的目标

数据治理的目标，我总结为四个字：提质增效。具体来说，可以拆成这么几个方面：

• 提升数据质量——让数据准确、完整、一致、及时。这是最基础的目标。
• 保障数据安全——该看的能看，不该看的看不到。权限、加密、脱敏，一个都不能少。
• 促进数据共享——打破数据孤岛，让数据在组织内部流动起来。
• 支撑业务决策——数据治理的终极目标，是让数据真正为业务创造价值。

你想想看，如果数据质量差，领导看报表的时候心里打鼓，这决策怎么做？我曾经见过一个项目，因为数据口径不一致，同一个营收指标，财务部和业务部差了20%。开会的时候两边吵得不可开交，最后发现是统计规则没统一。这就是数据治理没做到位。

数据治理的挑战

做数据治理，难吗？难。我这些年做下来，最大的感受是：技术问题好解决，人的问题最难搞。

常见的挑战有这么几个：

挑战类型	具体表现	我的经验
组织层面	缺乏高层支持，各部门推诿	我曾经推动一个治理项目，业务部门说「我数据没问题，是你们技术不会用」——这种话我听了不下十次
技术层面	数据源多、格式杂、历史数据脏	有个项目光清洗历史数据就花了三个月，脏数据比例高达40%
流程层面	治理流程不闭环，做了一次就停了	很多企业把数据治理当「一次性项目」，做完就没人管了
文化层面	数据意识薄弱，不重视数据价值	「数据不就是IT的事吗？」——这句话我听了太多次了

数据治理与数据管理的区别

这个问题，我每次培训都会被问到。很多人搞混这两个概念，包括一些从业多年的同行。

我打个比方你就明白了：数据治理是「立法」，数据管理是「执法」。

• 数据治理——定规则、定标准、定流程、定权责。它解决的是「谁来做、怎么做、做到什么程度」的问题。
• 数据管理——按照治理定的规则去执行。包括数据建模、数据存储、数据集成、数据质量监控等具体工作。

用一个表格来对比，会更清楚：

维度	数据治理	数据管理
定位	战略层面	战术/执行层面
核心	决策、控制、监督	规划、实施、运维
产出	制度、标准、流程	数据资产、数据服务
角色	数据治理委员会、数据Owner	数据管理员、数据工程师
关注点	做什么、为什么做	怎么做、做得怎么样

举个例子。我在一个项目中，先帮客户建立了数据治理委员会，制定了数据标准规范（这是治理）。然后技术团队按照这些标准去搭建数据平台、做数据清洗、建数据仓库（这是管理）。没有治理，管理就是无头苍蝇；没有管理，治理就是纸上谈兵。

本章知识体系

下面这张图，是我自己梳理的数据治理知识框架。你可以把它当作本章的「地图」，后面每一章都会在这个框架里展开。

这张图把本章的核心内容串起来了。你看，数据治理在最上面，下面是四个目标、三大挑战，再往下是治理与管理的区别。最底下那个「质量评分驱动的治理闭环」，就是我们这门课的核心思路——用质量评分来驱动整个治理流程，让它真正转起来。

好了，第一章就聊到这儿。记住一句话：数据治理不是终点，而是起点。后面的章节，咱们会一步步把这个闭环拆开来看。