以实现业务价值为导向的数据治理

写在前言的前言

最近正是数据治理极为火爆的阶段，在监管指引以及大数据的声势下，笔者接连参加了各大行业、各大论坛有关数据治理的研讨和交流，也亲身体验了具体项目推动中的点点滴滴，心有所感。想着封笔也有大半年时间了，是时候再出山啦，于是就有了这篇新文章。貌似，每次都是赶上过节、新年什么的才推陈出新么（笑）。 可不是，笔者也就这么点小私心，为了能够祝大家圣诞快乐！新年快乐！并展望一下马上就要到来的春节啊！

一、前言

在行业大数据技术不断发展、外部监管要求日趋严格、行业数据分析应用不断拓展和深化的大环境下，许多金融、非金融的企业都先后启动了数据治理项目，旨在建设全行数据治理体系及配套制度和规范，建立数据治理的长效机制并确保日常顺利运转。在满足外部监管合规要求的前提下，希望能够为企业数据价值实现及应用效果提升奠定基础，实现治理破局。当然，也有很多企业此前已经开展了一些基础性工作，初步建成了数据治理体系，但是在新环境下又遇到了新的难题。

这里面最大的困扰是，管理层和业务部门会提出质疑，数据治理到底解决了哪些问题？实现了哪些价值？而往往许多牵头部门都难以回答，因为以往开展的数据治理工作基本都是技术导向，偏重于底层的基础治理工作和标准规范建设，即使成立了相应的组织架构和领导委员会，算是按照监管要求“自上而下”推动，但是普遍缺乏业务基础，就像纸糊的灯笼一样，一沾水就容易破，经常被业务部门诟病是“形象工程”，好看但不实用。

数据治理是一项长期的、需要逐步建设和完善的综合性工作，同业银行金融机构在数据治理建设过程中也是历经了不同的阶段，从打基础到初步应用，再到逐步显现成效，并进一步完善和推广。但这并不意味着数据治理只能按照传统的模式，三年打基础、三年见成效，而是可以“以实现业务价值为导向”，找到管理层和业务部门的数据问题、痛点以及用数需求，并通过解决数据问题、满足用数需求为迭代目标，确定数据治理的重点范围。在前期数据治理体系基础性建设的基础上，进一步建立并完善数据治理的长效机制并确保日常持续、有效运转，充分发挥已有治理体系的效能，切实解决业务部门面临的数据痛点和难点，有效提升数据质量，满足外部监管统计报送及内部经营决策分析的用数需求，进而释放数据治理成效、实现数据价值。

这就意味着，数据治理的牵头部门要有这样的决心，就是不要担心很多工作不属于数据治理的范畴，或者不属于本部门能够推动的事情，一定要树立这样的信念和决心，即企业的数据出了问题、用数需求没有得到很好的满足，那就是数据治理牵头部门的责任和义务，必须纳入数据治理进行统筹和管理。当然，在统筹管理并解决数据问题、实现用数需求的过程中，需要协调哪些业务和管理部门、需要争取到管理层的哪些支持等，都可以提出来并予以解决。大家可以想象一下，本着服务的心态，解决的是管理层和业务部门的问题，满足的是管理层和业务部门的需求，还有什么资源和所需支持是争取不到的？心有多大，世界就有多宽广！

因此，本着如何更好的推动并开展企业级数据治理工作，以“解决实际数据问题、满足数据应用需求”为驱动，“实现数据价值和成效”为目标，我们来进一步探讨具体的工作思路和方案。

二、数据治理项目工作思路

为了快速实现数据价值和成效，最直接的方式就是从企业实际面临的数据应用需求和数据痛点需求出发，以解满足管理层和业务部门的数据需求以实现数据的业务价值、解决具体的数据痛点和难点为驱动来推动治理工作：

一是从数据的应用需求出发，收集管理层和业务部门最为迫切和重要的数据应用需求，例如管理层希望能够获得及时的经营统计分析数据以便更好的了解企业的经营状况，有利于管理决策；业务部门希望将客户数据进行整合并建立企业级客户全景视图，实现对客户的全面洞察，并通过大数据分析技术（如客户营销分析挖掘模型）实现对客户的精准营销等等。我们应结合管理层和业务部门最关心的数据需求，梳理、评估并确定需求范围和优先级，定位需求涉及的所有相关数据项，从数据项入手进行需求分析和梳理，确定需要进入到专项治理的数据范围，并进一步推动相关数据需求的落地实现，在满足数据需求的过程中带动数据治理的实施，建立并形成数据应用和治理良性的循环。

二是识别企业面临的最为迫切需要解决的数据痛点和难点，例如对于大多数金融机构而言，监管机构关注的数据质量问题（例如人行反洗钱等）等都是很好的切入点，进一步评估并确定问题解决的范围和优先级，定位问题涉及的所有相关数据项，从问题数据项入手进行原因分析和梳理，并设计问题解决方案。在问题解决的过程中，可遵循已有数据治理体系的相关制度及规范，落实数据问题的业务部门责任，制定并完善相关数据标准及数据采集规范，推动数据标准的贯标及数据采集规范的落实，明确数据的黄金来源和血缘关系，设计数据质量的检核规则并落实常态化监测，以此实现事前、事中、事后的综合性问题解决方案并推动方案落地实施，在此过程中也对已有的制度流程进行验证并予以优化和完善。

三、数据治理项目工作方案和任务

我们将以上述两种治理方式入手，通过具体的数据应用需求和数据痛点难点为切入点，分析数据治理项目工作方案和任务。

不论是数据问题或数据需求驱动，在明确具体纳入治理的工作范围之后，都可以分解为以下任务项：

（1）数据价值和痛点分析

首先应了解企业面临的最迫切的数据需求或痛点，开展针对管理层和业务部门等不同类型数据用户的调研和访谈，了解其经营和管理对数据提出的需求以及目前在需求满足过程中存在的问题。

在明确数据重点后，应协调相关数据需求和问题所涉及的业务和管理部门开展业务和系统现状分析，对相关业务流程进行详细梳理和分析，定位数据产生、加工和应用过程中的相关业务流程环节及具体业务管理要求，以及不同系统间的数据流，即数据的流转、流向及加工处理过程。通过业务和系统的数据现状分析和定位，可为后续业务数据认责及业务管理和规范优化、系统认责和系统配套改造提供依据，支持从业务、数据、技术三个方面设计合理、可行的数据解决方案。

（2）数据解决方案设计

在明确数据所涉及的业务部门、业务流程、数据流和对应系统的基础上，应首先推动相关业务部门认责落实数据项的责任归属部门，作为后续具体问题和需求解决方案设计及执行的牵头部门。数据责任部门应从业务的视角，提出对数据问题的业务管理和规范要求，作为后续数据标准和业务采集规范的基础。

数据责任部门应对归属的数据项制定相应的数据标准。在标准制定过程中，数据治理牵头部门将提供数据标准模板、外部监管及同业标准参考及工作方法，支持数据责任部门的标准制定工作，并统筹标准的评审、修订和发布。数据责任部门还应制定数据项的业务采集规范，梳理数据项相关的业务流程和场景，明确数据采集节点如何嵌入到已有的业务流程和场景中，按照数据治理牵头部门提供的数据采集规范模板和工作方法，明确在什么业务场景下，何人何角色，对于什么类型的客户，通过什么渠道，在哪个流程环节中，按照什么规则采集什么数据项，并在此基础上提出明确的数据采集规范和采集方案。

为了保障数据采集和整合的一致性，需要在企业级层面明确数据项的黄金数据源，一方面作为未来数据项的可信来源系统，另一方面黄金数据源系统也必需作为数据标准贯标和采集规范执行的对象系统。由数据责任部门提出数据标准贯标和采集规范执行的系统方案和需求，由信息科技部门落实相关方案和需求，确保在黄金数据源系统中落地相关标准和规范。需要注意的是，此处的信息科技部门不一定是数据治理的牵头部门。

当然，除了黄金数据源外，也需要进一步评估其他相关数据源系统是否以及如何贯标的总体方案，并明确这些系统和黄金数据源系统之间的数据交互和更新机制，并由数据责任部门提出相应的系统方案和需求，由信息科技部门落地实施。

为确保标准贯标和规范执行的落地效果，数据责任部门可结合对业务效率和管控强度的评估与平衡，合理设计并提出在系统中自动嵌入事前数据检核规则的方案和需求。

（3）系统落地及配套机制流程完善

基于数据责任部门提出的业务采集规范和系统需求，信息科技部应将业务采集规范固化在相关数据源系统中，并完善优化各系统间的数据交换接口，实现系统源头的采集自动化管控落地及数据交互和更新，数据责任部门应对系统改造结果是否符合业务要求进行用户测试和验收。

基于数据责任部门提出的数据标准和系统需求，信息科技部门应将数据项的数据标准在相关数据源系统中进行贯标实施，数据责任部门应对系统改造结果是否符合业务要求进行用户测试和验收。需要结合已有标准和规范以及相关数据源系统方案和需求，对现有业务制度和流程进行必要的修订。

数据治理牵头部门应站在数据治理如何与业务更好衔接、如何更好与技术开发和实施衔接这两个主要视角，对已有数据治理管理制度和流程进行必要的修订与完善，并对已有业务制度和流程、系统开发管理相关制度和流程提出必要的改进建议，例如数据标准贯标如何改变现有的系统需求开发流程等。

信息科技部门的开发和实施人员应结合数据责任部门和数据治理牵头部门提出的业务管理和数据治理要求进行合理评估，对现有信息系统开发相关管理制度和流程进行必要修订和完善。

（4）业务价值和效果评价

数据治理牵头部门应结合已有的数据标准和业务采集规范及落地方案和需求，设计相应的数据价值评价方案及具体的数据质量检核规则库，对以上数据解决方案对管理层和业务部门产生的具体价值以及相关数据需求的满足度和对业务经营管理的提升作用、数据痛点难点的解决情况等进行合理评估。在评估过程中，如发现具体数据需求实现中或痛点难点解决中存在问题，应协调相关责任部门进行落实，必要时应向管理层进行汇报并决策。

特别地，数据治理牵头部门应基于数据质量检核规则，借助数据质量管理工具对相关数据项开展数据质量检核，以实现对数据责任部门的方案执行情况、信息科技部门开发人员的系统改造情况、以及最终的数据质量提升效果进行全面评价和考核，确保企业的数据质量有明显的提升，产生实际效果并实现数据价值。

在评价过程中，建议结合企业已有的绩效考核方案，将数据治理的工作成效纳入不同部门和人员的绩效考核体系及奖惩机制中，切实保障相关工作方案的落地实施及实现效果。

四、总结

基于以上分析，企业推动数据治理项目，建议以实现业务价值为导向，遵循数据治理的已有体系、制度和标准规范，定位对企业而言最为迫切的、重要的数据需求和数据痛点，明确数据项范围并开展专项治理工作，以期逐个突破，快速释放数据成效并实现业务价值，形成日常的长效机制。

在数据治理工作推动过程中，要充分调动各方的资源，求同存异，让各方都共同参与进来。一方面，充分利用企业已有的数据治理人员、业务部门数据责任人、科技开发人员等现有资源开展相关工作；另一方面，还应合理引入外部咨询专家的参与，带来对数据问题解决方案的领先实践和工作建议，保障有关问题得以有效、合理解决，以实现数据成效和价值。俗话说，外来的和尚好念经，外部专家能够带来同业在数据治理方面的案例和经验，包括组织架构设计和人员配备、具体机制流程和标准规范的建设、以及系统平台落地实施等，既站在监管合规的最低红线要求，又具备前瞻性、领先性的同业对标视角，提出切实、可行的工作方案。此外，外部专家还能够从独立、客观的视角，在企业级范围内对数据治理工作的文化、理念以及价值和效果进行宣贯，特别是基于对企业高管和业务部门用数需求的深入洞察，能够更好的进行数据引导，找到最佳的数据治理切入点和突破口，通过短期专项治理方案和配套的应用建设，快速实现数据价值和收益，坚定管理层和业务部门对数据治理工作成效的信心，形成数据治理的良性循环。

说真心话，笔者这么多年也做过许多不同类型的咨询项目了，相比较而言，数据治理工作真不是那么简单的一件事。对企业而言，对咨询顾问而言都是如此，想做好有很大的挑战。但是，现在箭在弦上不得不发，那么你是想随便发一发，还是真的想要做精、做好，就要体现决心和能力了。决心一定是自己的，能力可以靠外部专家来提升和支持。

当然，真的走出这一步，还是需要各种准备和铺垫。现在越来越多的企业已经把数据治理和数据应用（比如统一视图、指标体系、决策驾驶舱、数据分析挖掘等）结合，一并立项和推动，也体现了大家都是经过了充分的调研和思考后做出的方案响应。在下一期我们也会展开聊聊数据治理支持的几大应用，欢迎大家继续关注哦！

如果大家有任何问题或需求，欢迎通过公众号和我们联系，毕马威一直以来都是您值得信赖的合作伙伴，凭借我们在数据治理和应用方面的丰富经验和成功案例，我们一定会为您在数字化转型和创新的挑战中拔得头筹，通过数据实现业务价值，更好的支持管理层和业务部门的经营决策用数需求！

最后祝各位看官2019年新年快乐！事业大成！

团队介绍：我们是毕马威旗下的专业数据挖掘团队，）每周六晚8点准时推送一篇原创数据科学文章。我们的作品都由项目经验丰富的博士或资深顾问精心准备，分享结合实际业务的理论应用和心得体会。欢迎大家关注我们的微信公众号，关注原创数据挖掘精品文章；您也可以在公众号中直接发送想说的话，与我们联系交流。