1.数据治理建设的关键要素

（1）以数据标准为基础

数据标准为治理体系提供了基本的业务层面保障，统一了业务含义。并且通过对数据使用者和管理者的角色定义，建立了基本的数据管理任责体系。

（2）以提高数据质量为核心

数据治理实质上就是为了提升企业的数据质量，提高企业的运营效率和管理分析的能力，从而最大化地实现企业的业务价值。保证数据质量是数据治理工作最重要的出发点之一。

（3）明确数据治理的职责

一般来说，数据治理是企业高层的职责，可以由高层中的某人负责全企业的数据治理工作，将数据治理的职责赋予管理层的某个委员会，由该委员会确定数据治理的目标和原则，审核数据治理的相关制度、流程，对数据治理的重大问题进行决策。同时对核心数据进行分类，为每类数据分别指定相应的责任部门和责任人。

数据治理建设的成功手段

数据治理建设的成功手段主要由以下几种，如图6-4所示。

图6-4 数据治理建设的成功手段

（1）确定数据治理的组织架构和人员角色(www.daowen.com)

首先需要明确数据治理的含义是什么，以及规定数据治理的组织架构和在架构中的各个角色应该承担的职责是什么。在规定的数据治理管理框架下，分别制定每个数据治理对象的管理办法。例如，制定数据标准和数据质量的管理办法。同时，还包括它们的整体管理方针、组织架构划分、职能角色分工以及具体的工作方法、实施细则等内容。

（2）明确当前数据治理的现状

明确数据治理相关的人员组织架构，调研当前的数据治理现状。

（3）制定数据治理的远景目标

当明确数据治理的现状之后，可以由数据治理相关的委员会牵头制定数据治理的远景目标，明确数据治理在几年后达到何种地步，然后制定符合实际的项目计划和里程碑。

（4）提高企业对数据的重视程度

数据不是一种普通的商品，又像水一样重要，但这些宝贵的财富往往会被企业所忽视，因此，提高企业对数据的重视程度已经成为未来研究的必要课题。

（5）降低风险

了解数据在企业的使用情况，研究数据长期的趋势，分析过去事件发生的原因，预测未来数据可能有哪些损失，通过修改当前的政策和管理手段，改善和降低各种风险。

（6）对数据治理重新评估

因为企业每天都可能会发生变化，包括它们的组织机构、人员角色等，它们的数据、价值和风险也可能会发生变化，所以当企业的组织机构、流程和机制发生变化的时候，应该对数据治理重新评估。