在数字化转型中，企业怎样做好数据治理，又怎样以数据为中心优化业务呢？

1.像管理业务一样治理数据

1.指定数据管理的职能部门，明确组织管理体系

企业做好数据治理需要建立数据治理的管理决策体系，指定CDO（首席数据官）和归口职能管理部门，并建立相应机制。如成立数据治理领导小组，由企业分管领导作为CDO任组长，由数据管理部门领导牵头，各业务部门及IT部门专人参加，明确议事范围、决策机制、工作机制等。

部分企业将数据治理工作视为IT技术工作的一部分交给IT部门，往往会出现两方面问题：一是IT部门作为技术部门，在实际中往往突出数据治理的技术属性而忽视其管理属性，将数据战略、数据架构作为制定IT战略和IT架构工作的一部分来开展。但数据治理的价值不是IT价值或技术价值，而是业务“降本增效”价值，业务部门的缺位和管理属性的缺失将导致后续工作偏离数据治理价值目标；二是IT部门作为实施部门不具有职能管理权限，在开展数据治理工作时缺少相应的职能权力和资源，影响数据治理工作权威性和强制性；

2.将数据治理作为一项单独的业务，而不是业务的附属

将数据治理作为一项单独的业务，其内涵是将数据治理作为企业业务集合中的重要一项，单独配备人、财、物等资源，以企业独立业务工作的相关标准要求去组织、策划和实施，而不是作为业务工作的附属。做到有战略、有规划、有计划、有制度、有流程、有激励、有监督、有检查、有总结考核。

部分企业按照所属业务板块的不同，将数据治理工作直接交给各业务部门独立负责，缺乏顶层数据战略、规划、计划以及制度、流程，会出现两方面问题：一是数据共享难。在“业务活动步骤化”、“步骤环节要素化”和“要素数据规格化”的业务数字化过程中，根据业务价值需要，业务活动中需要使用的数据很大一部分由其他业务活动产生。而在数据治理工作中业务部门各自为战会导致数据孤岛出现；二是主数据管理缺失，基础数据不一致。主数据包含企业人、财、物等基础数据，主数据建设和管理的缺失将导致企业在大量业务活动中出现由基础数据不一致导致的业务混乱现象；三是存在数据安全隐患。信息系统由IT部门统建统管后，业务部门缺乏建设数据安全所需的资源和能力。

2023年的《党和国家机构改革方案》中明确成立国家数据局，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，这是从国家层面将数据管理作为一项单独业务指定专门机构负责的新举措。企业在实践中，不是说一定要成立新的内设部门专职从事数据治理，而是要把数据治理作为一项单独的业务，按照企业业务管理的标准要求，授权某一职能部门实施独立管理。

2.像开展业务活动一样开展数据治理

1.实现数据治理活动的计划、组织、协调、控制闭环

数据治理活动从开展数据治理评估、建设数据架构开始，对于数据标准建设、主数据管理、元数据管理、业务管理数据和时序数据管理、数据指标管理、数据质量管理、数据安全管理、数据共享与利用管理等业务，都应当按照业务管理的一般要求，建立制度、明确流程、开展运行评估和监督检查、实施奖惩、考核和总结，实现计划、组织、协调、控制全链路闭环。

2.将数据治理融入业务管理制度、业务活动流程和业务控制要素

虽然数据治理是一项单独的业务，但数据治理的对象—数据来源于业务活动，服务于业务活动。因此在开展数据治理时，需要由数据管理部门经数据治理领导小组授权，组织各业务部门将数据治理融入各业务板块。具体包括三个层面：

（1）将数据治理各总体制度的要求融入具体业务制度；

（2）在业务活动的流程步骤上落实制度要求；

（3）在业务步骤的各环节将数据治理的控制措施要素化。

3.与业务数字化同步实施数据治理

企业需要同步推动业务数字化和信息系统设计选型。与此同时，结合将数据治理融入业务管理制度、业务活动流程和业务控制要素的要求，在业务数字化以单项业务活动为单位，以业务价值目标为导向，结合相关约束条件和业务活动间的协同关系，依次开展“业务活动步骤化”、“步骤环节要素化”、“要素数据规格化”的过程中，将数据治理的要求落实在业务数字化全过程中。如下图所示：

数据治理融入业务数字化

同时，数据治理作为一项单独的业务，也在此过程中，纳入企业业务体系，一并开展数据治理业务的数字化。

4.像分析数据一样优化业务

数据为中心的业务变革的三种范式，以“数字看板”、“数字工程”、“大数据和数据智能应用”为代表的“以数据为中心的业务变革”三种范式。

◉ 以“数字看板”为代表的第一种范式，以步骤定时记录的方式，将业务步骤执行过程中反映业务活动全过程、全状态信息的数据记录下来，实现业务价值流动可视化；通过显式化业务流程规则并将其数据化、规格化，在业务运行过程中发挥看板对业务的拉动机制，加速用户价值流动，并有效驱动数据更新和状态跳转；通过为各类资源建立状态参数，动态监测资源占用情况，有效暴露资源瓶颈。以价值流动数据化、数据可视化的方式，通过直接观测数据可观察业务瓶颈，有效推动业务优化。

◉ 以“数字工程”为代表的第二种范式，在装备的全生命周期内将设计、研制、生产、测试、运行中产生的各类数据在数字样机和物理实体装备之间实时传递，以实现数字样机在仿真运行过程中与物理实体装备开展迭代和同步更新完善。以实体装备数字孪生体——数字样机依托模型数据和模型规则开展仿真运算，帮助设计师在数字环境中以仿真测试的手段快速迭代和优化设计方案，降低成本和潜在风险，缩短产品研发周期。

◉ 以“大数据和数据智能应用”为代表的第三种范式，通过在业务的数据密集环节建立机器学习模型，将业务数据同时作为模型的训练样本和测试样本；或建立大数据模型，通过数据科学相关处理方法，创新知识生成方式。在互联网营销推荐、网上娱乐和阅读推荐、金融风控、公共安全、基于经营数据的决策辅助等业务领域有广泛应用。以数据作为模型的训练手段，将缺乏现有规则的业务问题转化为数据问题来解决。

数据治理是手段，运用数据解决业务需求，优化业务模式才是数据治理的根本目的。