數據治理：如何設計、開展和保持有效的數據治理計劃（簡體書）

劉晨，清華大學學士、工商管理碩士，數據治理專家，御數坊創始人、CEO，參編三項數據治理國家標準，獲得三項數據治理國際認證，獲得2018年國際數據管理協會（DAMA）年度貢獻獎，出版多本專業著作，具有數十家大型企業數據治理實戰經驗。

車春雷，高級工程師，銀行業數據治理專家，參與多項行業數據類標準、政策起草、專利研發和書籍編譯，多次受邀在行業會議上演講，在中國首屆數據標準化及治理大會（2016年）上被評為數據治理專家。

賓軍志，國家大數據標準化工作組專家，國際數據管理協會成員，數據治理領域專家。

我寫本書有兩個原因： 首先，在寫前一本書時，我認為作為一個主題來說，數據治理處於次要的地位，這要歸因於篇幅限制。在企業信息管理背景下，一章內容足夠詳盡地讓人意識到數據治理的必要性，但是，它還不足以幫助人們啟動他們的治理工作。有一些，但不完整。慶幸的是，我們公司做過很多數據治理實施項目，所以有很多資料可以分享。
其次，激發我寫作前一本書《以業務為驅動的企業信息管理》（Making EIM Work for Business）的衝動仍然有增無減，這聽起來像開玩笑，但在某種程度上來說是的。我們公司正在做大量EIM和數據治理工作，很多公司開始認識到管理公司數據和信息需要的不僅僅是數據遷移和映射工具。然而，意識到需要做事情，與沉下心實際做事情是兩碼事。我發現很多組織都非常擅長說： “我們要把數據管理得更好”，並且對此提出無數的原因和理由。但是，他們後續的工作卻非常糟糕，僅是采購了用於交付和呈現信息的前端工具。寫本書時，供應商還大力宣傳數據分析的價值和“大數據”。很多公司也深陷於這些“迷魂湯”（drinking the Kool-Aid），卻很少能夠達到預期的收益。
現在還正在進行著一些主數據管理項目。首席信息官（CIO）認為企業需要建立“單一事實（truth）”數據源，購買專業工具和收集數據，還要求進行業務變革轉型。但是，只有大約20％項目能取得部分成功。
坦率地說，這兩類項目之所以產生令人失望的結果，完全是由於對這些數據工具所處理的數據缺乏有效管理造成的。這些數據不滿足項目預期目的。
前述工具購買後缺乏後續數據管理是根本原因。我們知道，供應商擅長的工作是賣了工具就離開，而IT部門在與業務部門對接或溝通一致前就已經購買了軟件工具。同時，CIO在不允許和業務同事進行充分溝通的環境中工作，因此，在許多需要改變業務習慣才能成功的項目中，他不會得到任何支持，並且，不管項目成果質量如何，他都必須及時交付項目任務，還有，他還會被告知可以得到滿足項目需要的數據。
後續數據管理工作聽起來簡單： 開始將信息視為資產。但是，當研究信息資產管理細節時，我們了解到組織需要進行數據治理。
即使進行少量治理工作，組織也會從中獲益。在分析成功主數據案例時，你將看到業務協同和數據質量工作都已落實到位，並且通過數據治理建立了長效機制。對於相似的案例，未開展數據治理或執行不力的，結果是失敗的。所以，實施數據治理效果顯而易見，對吧？
可悲的是，事實並不是這樣。正如你將在本書中看到的，數據治理不是制訂一些流程和制度，以及執行一些規則。這些肯定是數據治理的重要組成部分，你可能通過執行數據治理的機制獲得一些成功，但是除非采取更加個性化和詳盡的方法，否則數據治理將不會落地做實。
本書是為“從事數據治理工作”的人員寫的。預期閱讀物件既不是信息科技人員，也不是業務人員，而是那些保證實踐信息管理的人員。顯然，這是一本有關數據治理“如何做”的書。我盡量避免使用常從工具供應商或名聲顯赫的咨詢顧問那裡聽到的套話。你如果正在讀這本書，而且已耳熟和認可這些陳詞濫調，那麼現在就應想做點實事，而不再空談。
數據治理
如何設計、開展和保持有效的數據治理計劃
前言各類專家都在談論21世紀將是信息和數據應用的時代，並指出嚴重依賴於數據分析。但是，如果繼續將數據視為企業內部部門業務流程中的“丑陋潤滑劑”，而不是寶貴的資產，我們將離實現這些預測期望相去甚遠。在日常處理數據和信息方面，如果思維方式沒有一個重大改變，這些都不可能實現。下面是一些應該關注的真實場景：
華爾街不會接受業務處理是運行在40000個Access數據庫上和使用電子表格整合生成業務報表。（現實世界真有其事。我們曾對一家領先的金融服務公司進行評估，工作結束時共整理了40000個Access數據庫）。
改善業務流程或完成部門項目衡量指標不僅是完成時間或項目周期，還要包括數據質量指標和遵守資產管理政策的程度。
與其撒手不管，擔心項目延時就開始用Access或Excel構建部門數據庫，業務領導還不如與技術和信息經理一起工作把數據做正確。也就是說，一開始就在數據準確性方面花時間，而不是反反復復地返工。
應用開發人員如果不能同時滿足數據控制和質量標準，即使項目按時完成，也不能進行獎勵。
業務用戶應該不允許生成需要脫離企業的數據報告，除非該報告已經通過了創建和驗證的批準流程。
術語“成熟度”常常出現在信息管理的場景中。我寫這本書也不例外，但還有另一個度量尺度： 學習成熟度。我的興趣是航空，我在成為飛行教練後不但教別人如何開飛機，也深刻了解了“學習”的含義。
根據經驗，當你注意到行為發生改變時，學習就會發生。
換句話說，僅聽到一些事情不會引發學習，需要實踐，積累經驗，並且觀測行為的變化。坦白說，我接觸的多數公司在進行了兩周評估、四周路線圖設計後，就臆想這些項目產出物和管理層的信任指令會創造奇跡。數據治理要實施一些具體工作和顯著的行為改變。所以，本書著眼於改變行為，融合和管理要完成的數據治理工作。
本書後面的內容介紹了我們公司過去20年左右開發的數據治理工作步驟、產出物、技術和觀點。由於材料中有些內容枯燥乏味，我采用了小故事或有趣的比喻。這不是我故弄玄虛，是因為它們很重要，希望能引起你的重視。你所在的組織未來會基於如何處理數據而存亡。你可能實施ERP，購買商業智能工具，或嘗試復雜的數據分析，但是，你除非能成功管理哪些內容進入這些基礎設施和控制哪些內容離開它們，否則將永遠不能保證可以做正確每一件事。
本書全面介紹了實施數據治理需要的工作內容和行為。如果你推遲部分或全部采納這些要素和內容，就會面臨越來越難的信息管理挑戰。你所在的組織要做高級預測分析嗎？那麼最好先清楚分析工具使用的數據是否準確。你是否想為報表、商業智能或確定客戶名單建立單一事實（數據）來源？若是，就需要立即啟動數據治理工作。由於數據量持續爆炸式增長，等待時間越長，決策越難。這不是一個熱衷與數據打交道人員的瑣碎請求，而是業務的迫切需要。

第1章 概述
第2章 定義和概念
2．1 數據治理相關的概念
2．1．1 數據管理
2．1．2 企業信息管理
2．1．3 數據架構
2．1．4 數據治理和治理
2，1．5 解決方案
2，1．6 主數據管理
2，1．7 數據質量
2．1．8 商業智能
2．2 其他術語
2．2．1 原則
2．2．2 政策
2．3 部分核心概念
2．3．1 E代表企業級
2．3．2 業務工作
2．3．3 演進和革命
2．3．4 信息管理成熟度
2．3．5 管理變革
2．3．6 信息資產管理
2．4 總結

第3章 數據治理
3．1 數據治理概述
3．2 數據治理的範圍
3．2．1 業務模式
3．2．2 內容
3．2．3 聯邦
3．2．4 案例研究
3．3 數據治理工作要素
3．3．1 組織
3．3．2 原則
3．3．3 政策
3．3．4 職能
3．3．5 衡量指標
3．3．6 技術和工具
3．4 治理的關鍵成功因素
3．5 總結

第4章 數據治理業務案例
4．1 業務案例
4．2 業務案例目的
4．3 業務案例內容
4．3．1 願景
4．3．2 工作風險
4．3．3 業務一致性
4．3．4 數據質量成本
4．3．5 錯失機會的代價
4．3．6 障礙、影響和變化
4．3．7 案例演示
4．4 制訂業務案例流程
4．4．1 充分理解業務方向
4．4．2 識別可能的機會
4．4．3 識別應用的機會
4．4．4 定義業務收益和風險管理收益
4．4．5 確認
4．4．6 量化成本
4．4．7 準備業務案例文檔
……
第5章 實施數據治理過程
第6章 範圍和啟動
第7章 評估
第8章 願景
第9章 一致性和業務價值
第10章 職能設計
第11章 治理架構設計
第12章 演進路線圖
第13章 推廣和運營
第14章 數據治理工具和交付物
第15章 結束語
附錄A 數據治理任務
附錄B 能力成熟度評估問卷
附錄C 數據治理章程模板
附錄D 數據治理引導和持續知識轉移模板
附錄E 信息管理／數據治理職能清單
附錄F 利益相關方分析
附錄G 領導力評估
附錄H 溝通計劃
附錄I 培訓計劃示例
附錄J 推廣後的檢查清單
索引