前言
绝大多数互联网公司没时间建模、治理，直接拖宽表。业务变更频繁、建模缺位、指标爆炸，是导致互联网大数据环境中数据质量的低下的根本原因。
而在部委、集团中，时间相对充裕一些，标准更规范一些，但是同样面临部委和省级之间、各系统之间数据交换、对齐的问题。
因此，在不同的环境中，数据治理的重点和偏向都是完全不一样的。
今天分享的内容从实战出发，到落地结束。数据治理最难的不是系统建设，而是落地困难。所以今天先跟大家分享一下部委、集团类数据治理遇到的困境，以及各种问题的具体解决方案，还有如何进行经验复制。
你以为的数据治理
提到数据治理，第一反应就是数据部门一定要定标准、做执行、强监督啊，搞一个PDCA戴明环，一点一点慢慢的做起来。
然后呢？给下属单位、子公司和其他部门下文件、搞培训，做排名，轰轰烈烈做起来，各种办法都得上啊。
这样行么？这样有效果。但是肯定会非常非常的困难。因为很多事情跟你想象的不一样。
比如，你以为在部委、集团里办事是不是开个会，发个文件就好了？嘿嘿，那你简直太天真了。
实际上，各部委、集团的甲方，在执行项目的时候，电话根本放不下来，下面的各个厅局级的疯狂打电话过来各种确认问题。
乙方呢？那就更惨了！即便是做了万全之策，也会有无数的未知问题等着你。所以乙方基本都是处于疯狂加班的状态。
你以为部委、集团就是发发标准，数据质量自然就提高了？是，数据质量的确要制定好标准，但是你听说过“形同虚设”吗？
即便是通过行政命令强压下去，但是各地的基础条件不一，人员素质不一，经济实力不一，系统建设的好坏也就不一样。
还有，中文语义非常广，不同语境理解不一样，非常容易产生很多歧义。所以很多时候公务员真的都是在抠字眼，因为要力求精准。
经常是你想要他们填A，结果有很多人填A'、B、C。
你是不是以为在部委、集团里做事情，都是一声令下，然后就有山呼海啸，应者无数，事情推进的非常顺利？
实际上，基层工作人员手上的事情都非常非常的多，根本没办法及时响应，通常都是拖到最后一刻才交作业，晚交也是非常正常的事情。
如果你抱着以上的认知去做项目，拿着部委、集团的命令当尚方宝剑的话，我不敢确定你是否能成功，但是你肯定会吃尽苦头，撞一头的包。
核心原因
我们回到最开始的策略，先定标准、做执行、强监督，向下则是下文件、搞培训、做排名。这是典型的领导视角，是带着一些强权的意思在下达任务。大家都是打工人，何必为难打工人？再说了，打工人手上的活也很多啊，谁愿意多一点活？领导视角推动事情，最喜欢用的就是强权，但是最坏事的也是强权，很容易引起反感，没人听你的。
他们没有任何动力去做这种事情啊！这就像小时候的我，总是被爸爸妈妈逼着学习。晚上回家还站在我后面看着我写作业，谁心里舒服啊？上面说到的“不想治、不会治、没啥用”只是三个典型而已，信不信给你找出100个理由？你想想小时候为了逃避写作业，你编过多少理由？所以我们需要转换一个视角去办事，强权是靠不住的。根据我的经验，转换成兄弟视角是最合适的。峰会内容
对付不想治，简单！病根找到了，那就让他自己想治就好了。
态度一定要明确：兄弟不是给你派活的！兄弟是给你助攻的！挂欲望的时候，一定要注意，这个欲望不是人性阴暗面的欲望，而是激发他的正能量。所以奖励钱是不好的，因为你在诱惑他。而是从他的工作入手，告诉他能实现价值，比如节省时间。我们最终的目标是转变他们的观念，将“要我治”变成“我要治”。化他们的被动成为主动。
对于数据治理太难的问题，我们必须帮助他们。因为很可能他们根本没有那个能力去做这些事情。
更何况，你要是放开让他们自己干，一人一个理解，全乱套了，最后没办法收场了。所以我们得根据各种实际问题，帮助兄弟提供针对性的解决方案，最重要的是降低执行的难度，最好一键搞定。怎么落？一定要设计好动力系统，让大家看到实实在在的好处，才能有动力一起推动这件事情。该给的荣誉要给到位，标杆树起来，比学赶帮超，带动一大批。虽然是数据治理，但是应用也得规划到位，否则业务部门无感，数据部门也觉得没啥用。
还得给下面干活的同学提供相应的工作管理和向上汇报的素材，好歹也能发一个内部的小通知不是么？
方法论复用
我这个方法论可不仅仅是在部委能用，在集团、普通公司都能用的。比如，在微信群里，就有想推动数据治理的朋友提一个问题：怎么反驳IT同时不恰当的言辞呢？
群里也有人给了非常专业的回答，这么说肯定是有理有据的。不过在这里，也可以用我之前的那个套路套一下，也挺管用的。比如，原来是要反驳，这明显是对立视角啊，想找他的问题很简单，随便能找一堆啊。但是对立就意味着失去了一个朋友。数据治理这么难，我们应该尽可能的团结一切可以团结的力量。他说错了就让他错呗。我们只要他合作就行了。一样，把“要我做”变成“我要做”：举例子、挂欲望、给希望。谁家的数据治理做的好，他们的IT部门都不用操心数据部门的事。SAP属于业务系统，数据分析数据分析系统，我们以前有问题都找你人工解决，以后我们自己解决。
提供全套解决方案，降低执行难度。数据治理很专业，有专门的系统，也有方法，我这里还有高手，不会给你添麻烦。
规划先行，设计动力系统。做好了，你也省心啊。每次有进展的时候，向领导汇报，都感谢一下他。你看，这样做，阻力变成助力，推进起来是不是就容易多了？数据治理目标
接下来，给大家分享一下比较枯燥的数据治理建设方法论。
不同场景、不同项目对数据治理的需求是不一样的。个人认为核心的就这几个：
理论指导采用DAMA，这是DAMA的车轮图，我们在具体落地的时候，一般都会从中进行裁剪，选择合适的内容进一步搞建设。
我们需要进行常规的现状问题分析，找到问题背后的根本原因，然后再制定相应的策略，从根上解决。
比如每个人都能定义指标，数据部门沦为提数工具。这个现象的根本原因是缺乏归口管理，也就是数据部门没啥权利。这是组织问题，需要从组织层面解决，制定指标定义流程，确定数据权威。部委、集团层遇到的问题就更多了。信息化做的早，不一定是好事。
一般来说，裁剪完之后，就会剩下几个重点要做的事情。
峰会内容
组织一定要先行！数据治理犹如河道清理，不仅仅是清理工的工作。上游、河道两旁的垃圾、废水排放不制止，把河道清理工累死也无用。
所以数据治理应该向政府治理城市河道学习，要联合各个部门，做宣讲，改变大家随意排放的观点。做污水管道，引导河道两边的社区、企业合理排放。最后加上一些河道清理，这样大家一起努力才能有效。
组织先行的第一步是设立数据治理委员会，主要目的是把老板拉进来，把业务部门负责人拉进来，一起进行治理。这一步时间最小，但是重要性最强。
然后才是建立数据治理团队，不仅仅是数据团队要加入，其他团队也要加入。
这是各种政策的简单示意。包括数据安全、质量管理、各种校验方案、管理办法等。这是各种计划示意，具体的工作肯定不止这么少。但是逻辑是一样的。管理方案
数据治理应该覆盖所有环节。但是项目建设范围有限，不建议超出项目建设范围。
一般主要有三个环节：生产、传输、加工。再往后是使用环节，那边主要是发现问题的地方，而且往往在系统之外，所以不太好管理。
在生产环节，我们需要跟业务部门多多沟通，有些时候需要看看数据，反应的都是那些环节出问题了。也许是人的问题，也许是培训不到位，也许是系统不友好。我们根据实际情况进行调整，不断优化即可。
在数据清洗的过程中，重要是成本和质量之间的平衡。这时候我们应该让业务参与进来，尽量做到用最小的成本覆盖最多的数据质量监控。对于已知的异常数据，我们可以根据数据的重要性和其他特征，做相应的处理，能填补的就填补，不能填补的就原路返回，改好了再重新发过来。在数据治理的环节，一般要分成存量和增量场景。存量场景基本上一次性操作，人工突击搞一下就行了。增量场景则需要进行全面监控，而且还要持续治理，人工处理效率太低，成本较高，建议用系统承担。特殊情况再由人工介入。数据治理是一个综合、复杂、困难的工作，需要多方协调。建议由信息中心、IT部门牵头，定标准、做规范，拉上业务部门和厂商一起进行。期间一定要做好宣贯、协调工作。招术尽出，最后还是要加一根大棒。因为没有考核就没有结果。我遇到过什么事情都做了，但是结果就是不好的情况。
你想想身边是不是有这种“天天加班，但就是干不好活”的人？治理平台建设
在不同的阶段，数据一致性校验的内容是不一样的。以部委为例，先要从省级平台同步数据到国家同步库，然后再入到基础库，最后到应用系统。期间会经过同步、清洗、处理三个阶段。
同步的时候，校验的目标是数据源和接收结果是否一致；
系统截图：略
组织建设
在数据治理环节上，要做到闭环。在组织建设流程上，也要形成闭环，这样才能把每一件事情做到位，每一条数据治理干净。
结语
完整版PPT下载：
公众号“球迷Long笔记”后台回复“0808”即可下载。
※ 点赞+在看+转发的转型都能成功！
⊕【专家Insight】企业数字化转型战略完整指南
⊕【专家Insight】产业数字化转型的价值维度与理论逻辑
⊕ 城市大脑数据中台总体架构方案（PPT）
⊕ 116页智慧矿山建设最佳实践方案（PPT下载）
⊕ 202页|城市大脑：智慧城管篇|最佳实践（PPT下载）
⊕ 92页PPT全方位解析：制造业到底需要什么样的互联网思维？
⊕ 关于数据中台的争议！10页PPT即可阐析
⊕ 前华为高管透析华为灰度管理|读书笔记（134页PPT）
⊕ 工程院院士解析|智慧城市数字孪生重构方案（PPT）
⊕【Insight】让人震惊的大数据全球市场（附36页PPT）
⊕【Insight】老业务要转型，新业务如何孵化？
【球迷Long笔记】Insight丨人生丨足球丨商业丨深度
180
