共计 4797 个字符，预计需要花费 12 分钟才能阅读完成。
随着世界经济由工业经济向数字经济转型，数据逐渐成为要害的生产因素，企业开始将数据作为一种策略资产进行治理。数据从业务中产生，在 IT 零碎中承载，要对数据进行无效治理，须要业务充沛参加，IT 零碎确保听从，这是一个非常复杂的系统工程。
数据治理架构
实践证明，企业只有构筑一套企业级的数据治理综合体系，明确要害数据资产的业务管理责任，依赖标准的制度流程机制，构建无效的治理平台及工具，数据的价值能力真正施展进去。数据治理架构如下图所示。
构筑数据治理体系的过程，即以数据利用为外围打造“良性循环的闭环数据治理管理体系”的过程。各 IT 零碎获取业务流动产生的各类数据后，通过零碎的数据治理、治理，一直开掘、变现数据价值，拓展、深刻数据利用场景，领导业务决策，同时在一直利用数据过程中基于发现的数据问题，通过数据治理、治理的过程一直订正，推动业务零碎全面降级，真正优化业务流程管理机制及标准，最终构建数据“获取→治理→变现→发现→应答→修改”的闭环管理机制。
以数据利用外围，数据治理平台工具为撑持，在数据治理组织 / 制度保障下，一直通过数据治理伎俩，推动实现数据标准化及业务标准化，实现业务、技术、治理、平台的无效联动。
在数据治理综合体系内，数据治理外围模块包含数据治理布局、数据治理职能及数据治理平台工具。
数据治理布局是指数据治理体系与布局、数据治理组织与职责、数据治理制度及流程，是数据治理规范化治理的外围模块；
数据治理职能包含数据规范治理、数据品质治理、数据架构及模型治理、数据开发、元数据管理、主数据管理、数据生命周期治理、数据安全治理八大职能，理论过程中，企业通常会合并治理；
数据治理平台工具包含数据开发平台、数据资产治理平台、数据品质治理平台、数据服务平台，通常数据治理平台工具基于数据治理的阶段性能并不完全一致，实际中平台工具通常综合多方面性能，而不是单平台性能。
三大模块互为能源，数据治理布局领导数据治理职能的全面施展，数据治理各项职能通过数据治理平台工具帮助治理，数据治理平台工具撑持数据治理布局的落地及优化，数据治理布局各层面逐渐固化在数据治理平台上，数据治理平台辅助数据治理各项职能的治理，通过数据治理各项职能一直落实和欠缺数据治理布局，实现组织数字化转型，固化管理机制及流程体系。
将来企业通过构筑数据治理综合体系，逐渐建设数据治理机制，实现组织转型，数据治理职能将成为企业治理的重要组成部分，良性循环的管理体系将推动企业实现更广、更深层次的数据利用，数据决策将成为企业人思考的习惯，企业决策将更加迷信、无效。
将来企业数据治理蓝图架构如下图所示，业务零碎、数据治理及数据利用互为能源，独特推动企业数字化转型的实现。
数据治理模式
数据治理模式是指企业基于不同的数据治理指标，依据企业组织、零碎、数据利用的现状，以何种数据治理策略发展数据治理流动。依据袋鼠云 8 年的实践证明，通常数据治理模式包含三种基本模式。
模式一：自下而上，以数据架构为重，发展数据治理
这种模式重在数据架构，层层向上治理数据，至数据应用层。这种模式从底层数据切入，基于现有数据根底，盘点、建设、治理、利用层层开展，对企业整体的数据思维、数据治理程度要求较高，通常实用于数据量重、业务利用轻大型技术型企业，或政府机构，或新建、自研零碎较多的企业。
模式二：自上而下，以明确的数据利用为重，发展数据治理
这种模式即单点利用式，通常以现有利用需要为外围发展数据治理。聚焦各个业务畛域的数据利用、数据治理需要，在有需要、有资源、有驱动力的前提下，按需组织推动数据治理工作。只有业务部门的深刻参加能力做好数据治理，只有针对业务本身需要进行的治理，能力失去业务部门的认可和反对。
模式二通常围绕数据利用的需要进行数据治理，比方降级架构、更换平台等波及数据利用迁徙时，或聚焦监管、上报类等明确数据利用时，围绕数据利用进行数据治理。
模式二通常实用于数据利用较强、业务部门较为强势、但整体数据认知较弱的企业。这种模式的数据治理切入绝对较为简单，实践证明，大部分企业数字化转型初期会这种模式，缓缓摸索企业的数据治理路线，这种模式有助于拉齐数据部门、业务部门的认知，晋升企业整体数据认知，为将来数据治理的发展提供基石。
模式三：大布局模式，从数据利用布局动手，治理现状，布局将来，基于数据资产的将来发展数据治理
这种模式须要企业全面梳理业务的现状痛点及业务将来畅想，盘现状、布局将来，基于业务当初及将来的需要布局剖析利用场景，在利用场景蓝图布局的范畴内，全面的梳理数据的现状、布局数据的将来，针对蓝图布局中的数据需要，制订全方位策略。例如哪些新建零碎、新购数据源？哪些须要现有数据系统升级，细化、标准化现有数据？哪些数据需要落地可行性较高？
制订全面的布局体系，划分优先级，有节奏、有步骤地实现全面的数据治理。这种模式通常是企业的策略我的项目，由高层推动发展，对数据、业务协同性要求较高，整个过程波及零碎革新降级、业务流程优化再造，是企业全面降级的过程。
组合模式一：模式一 & 模式二组合，即全域数据治理 + 明确利用场景布局。这种模式兼顾底层数据与下层利用，可对冲底层数仓重建的局部危险，同时可无效地论述数据价值，整体可行性较高。
组合模式二：模式一 & 模式三组合，即全域数据治理 + 全面利用场景布局。这种模式从当初、将来的角度全面发展数据治理，业务、数据全面笼罩，返工重建危险小，同时有助于推动业务零碎、数据全面降级，业务价值较高，但对组织协同要求高，且老本投入高、耗时久，对执行团队要求高，复合型人才需求大，属于高风险高收益模式，须要企业高策略、高执行的推动落地。
数据治理模式比照
三大数据治理模式发展形式、实用场景、优劣势、资源投入各不相同。
模式一，自下而上，切入不便，老本可控，重架构，但脱离利用，对执行团队架构能力要求较高，功效慢；
模式二，自上而下，目标明确，切入不便，老本可控，重利用，但轻治理，容易造成体面工程，呈现反复治理的危险；
模式三，大布局模式，布局的眼光，笼罩业务、数据双层面，重建危险小，聚焦业务，有利于充沛开掘数据价值，但对组织的协同性要求较高，同时须要高质量复合型人才配合团队执行，整体落地危险较大，老本较大。
数据治理三大模式比照如下表所示：
三大数据治理模式各有优劣，而组合模式在某种程度上对冲繁多模式的危险，能够更好地满足企业数据治理的需要和目标。企业应基于面临的现状，抉择适宜的本人的治理模式。
数据治理模式抉择
不同的数据治理模式，对企业的数据治理程度、组织协同水平要求不同。
自下而上的模式一是基于底层数据治理的，对数据治理程度要求较高，数据治理程度包含数据根底（数据量、数据品质等）以及数据治理能力，数据治理能力次要体现在数据治理团队业余度以及数据治理体系（组织、制度及流程）欠缺度。这种模式对组织协同度要求绝对较低，次要靠数据治理团队推动进行。
自上而下的模式二是基于明确数据利用进行数据治理的，相较于自下而上的模式一，组织的协同性要求会更高，须要业务部门、数据部门配合实现，但整体以需要为主，对数据治理的程度要求个别。
大布局的模式三既治理现状，又布局将来，对组织协同性及数据治理程度均有极高要求。该模式须要动员企业的业务部门、技术部门、数据部门，同时须要企业各阶层（高层、中层、基层员工）的人员独特配合，全面盘点业务的痛点及将来布局，同时梳理数据现状，布局数据将来，通常为策略我的项目、高层领导独特将企业数据治理程度推向一个新程度，同时实现数字化组织的转型。
组合模式在组织协同性、数据治理程度上会叠加繁多模式的要求，如模式一 & 模式三的组合模式对组织协同性、数据治理程度要求最高。
各模式对企业的组织协同性、数据治理程度的要求见下图所示，基于各模式对企业组织协同、数据治理程度的要求不同，企业应充沛盘点企业的组织现状、数据现状、利用现状，初步评估企业数据治理程度、组织协同度，联合数据治理的指标，评估可行性，抉择最佳模式。
企业数据治理是个简单而漫长的过程，通常在不同的倒退阶段，企业抉择数据治理模式并不同，基于面对的组织、数据、利用现状，企业须要平衡指标与现状，抉择当下最合适的数据治理模式。
企业数据治理并不是欲速不达的，它须要企业一直地进行布局、治理、监测、优化，通过数据治理不断完善企业的组织、制度、流程管理体系，同时一直晋升企业数据治理管理水平，包含数据规范、数据品质、数据架构及模型、数据利用等模块的管理水平晋升。
数据治理是一个继续循环的过程，需通过一直地改良晋升及欠缺。PDCA 循环不是在同一程度上循环，而是呈阶梯式推动回升，每次循环将推动企业的数据治理程度及组织协同性向新的、更高的层级进阶，最终实现企业数字化转型。
数据治理施行门路
企业数据治理施行门路通常蕴含三个阶段。
第一阶段：起步阶段，业务经营数字化阶段。
这个阶段次要是梳理企业面临的现状，响应痛点，摸索业务场景化。企业逐渐开始由信息化向数字化转型，这个阶段企业会从新扫视原有的数据治理策略，重构数据治理策略及实现门路，逐渐开始搭建数据治理框架、数据治理体系框架，降级原有的数据处理、利用模式，搭建大数据平台，构建大数据采集、会集、存储、计算、服务的根底能力，逐渐整合各零碎的数据，突破数据孤岛，积淀数据资产，摸索业务场景化。
第二阶段：深刻拓展阶段，数据赋能常态化阶段。
这个阶段数据利用成为重点，企业开始深挖数据价值，进步数据利用笼罩。数据利用的范畴，由外围 KPI 指标的实现，逐渐笼罩全副外围业务，搭建欠缺的剖析框架和洞察体系，一直地晋升业务决策品质。
大数据平台继续施展大数据处理的能力，企业纳入更多、更广的数据内容，不断扩大数据利用的广度及深度，初步造成企业的数据资产地图，数据规范体系逐渐搭建，数据利用的效率大大晋升，初步实现由“经验主义”向“数据主义”的转型，数据决策成为企业决策次要决策形式。
这个阶段，企业开始全面建设数据管理权限体系，欠缺数据治理机制，优化数据治理流程及制度体系，由原有的“粗放式”治理降级为“精细化”治理，数据品质一直晋升，企业数据管理能力降级，逐渐通过数据品质平台、数据资产平台、数据治理平台工具等实现智能治理，企业数据思维认知全面晋升。
第三阶段：智能利用阶段，经营决策智慧化阶段。
这个阶段企业实现洞策合一，智慧场景利用成为常态，全面完成数字化转型，摸索数字业务，开启新篇章。这个阶段以智能利用为主，AI 赋能成为常态，企业一直地开掘数据的价值、激发翻新，开始为企业战略性剖析提供精确的数据依赖，在这个阶段，有些企业甚至在原有商业模式上，激发新的业务模式。
数据管理层面，由数据治理体系建设逐渐向数据治理体系优化进阶，欠缺机制、流程，进一步细化数据管理职责；
数据资产层面，实现全域数据资产建设，构建强健的数据模型体系，实现企业数据规范建设，不断完善数据资产体系；
平台工具层面，大数据平台能力逐渐向算法能力转移，智能举荐算法模型开发成为常态化的需要，数据治理平台逐步完善性能，帮助企业智能化数据品质、数据规范、数据资产及主数据等模块，企业真正进入经营决策智慧化阶段。
《数栈产品白皮书》：https://www.dtstack.com/resources/1004?src=szsm
《数据治理行业实际白皮书》下载地址：https://www.dtstack.com/resources/1001?src=szsm
想理解或征询更多无关袋鼠云大数据产品、行业解决方案、客户案例的敌人，浏览袋鼠云官网：https://www.dtstack.com/?src=szsf
同时，欢送对大数据开源我的项目有趣味的同学退出「袋鼠云开源框架钉钉技术 qun」，交换最新开源技术信息，qun 号码：30537511，我的项目地址：https://github.com/DTStack