数据治理：企业数据管理制度怎么写？

随着近几年国家数字化转型政策的全面铺开，很多企业已经逐步展开了数字化转型的尝试和部署，其中不乏成功案例，但失败案例也不少，失败的原因有很多，既有企业内部原因也有外部原因。

转型成功不易，实质上数字化转型是一项极其复杂的系统工程，它本质上是企业自身的一次产业升级，很多企业数字化转型的失败不是资金不足，而是未结合企业自身管理特性做好嵌入，导致转型难以落地。要想成功的需要做好很多重要性工作，但这里不得不提到其中一个重要的内容，制定有效的企业数据管理制度。

有效的数据管理制度是企业数字化成功落地的必要条件，有朋友聊到了他们公司做了几年的数字化项目，请了国际领先的咨询公司来做咨询实施，也投入了很多资金，系统做的也很灵活，但落地过程中频出问题，难以长效的执行下去。通过深入详细地讨论，原来目前他们的数据管理制度还未落实，导致很多很好的建设方案并未落实下去，所以这里不得不说数据管理制度的重要性。

伟人说过：“制度的问题不解决，思想的问题就解决不了”，可见制度的重要性，是解决人的思想问题，只有思想达成一致了，才能事半功倍：针对于大型企业集团来讲，在数字化系统落地时，有一套完整可落地的数据管理制度予以配合，将能够为数字化转型成功保驾护航。那企业的数据管理制度如何写，如何写好数据管理制度呢，数据管理制度的重点的组成框架要点是什么？今天就结合自身的经验，给大家讲一讲。

管理比较完善的A制造业集团公司，业务遍及全球，企业分公司覆盖了国内各大城市，海外的一些城市，因公司规模较大，所以本身的管理规范性高，公司规章制度完整度高，所以需要的管理制度就比较全面，按照集团级企业管理制度规范要求，它的制度做了三种层次分类：

第一、数据管理办法

数据管理办法描述了企业主数据的总体要求，内容相对较粗，一般格式采用的都是“第XX条……”，这是针对某一方面企业管理企业制度要求。办法的要求是不带主观判断的语言，需明确制度要求。如主数据管理办法要明确企业在主数据管理方面各单位应该要遵循的最重要的原则。办法章节中内容要描述清晰、公平公正、合法合规，内容可包含管理办法实施的目的是什么、适用的范围、整体遵循的原则、组织架构、过程管控要素等。

第二、数据管理规范

数据管理规范主要拆解管理办法的框架，进行细则分解，管理办法的每个条例中解释到了不同的数据实体对象，数据管理规范中要加以细化规范说明，同时将业务管理和系统管理的要求关联起来，业务管理在每个条例中需要怎么做，如何执行，包括时点、人物、权责、流程都需要在这里写清楚，每个流程都有明确对应的组织人员和业务对象这样的规范才能落地，类似如下流程：只有明确到具体操作岗位、操作内容、动作之后这样的数据管理规范才能有效执行。

第三、数据管理指导手册

数据管理指导手册属于执行操作层面的内容，具有可操作性，如数据绩效考核更多的是针对于执行中结合数据组织架构中的人员、权责加以考评，这个制度可以单独存在，也可以纳入整体的人员绩效考核中。核心是相关的权责方在数据治理中对数据的规范执行，数据质量的评价。需要写清楚数据评估的等级、标准要求、考核的步骤，不同人员考核的维度、量化指标。同时也考虑指标要求，又接地气，得到各部门认可和支持的指标才有意义，制定数据评价系统的目的不是考核人员，而是让组织更有活力，让数据有效落地。

当然还可以从不同分类出具对应的数据分类的管理制度，搭建完整的数据管理制度体系建设，如元数据管理制度、主数据和参考数据管理制度、数据架构管理制度、数据安全管理制度、数据建模制度、数据质量管理等制度。

结合企业实际情况来编写，企业的数据治理评估可以按照专业的DAMA数据管理知识体系中提供的标准DMM模型（或DCMM模型），确定企业整体数据治理成熟度级别，数按照据管理框架纬度进行评分，如图

对整个数据管理框架进行科学的评估，得出的结果再来拆解企业实际的管理制度需求的急迫性和重要性，制定出管理制度的分类及层次标准，这才符合于企业经营真正的数据核心管理诉求。写多少个管理制度不重要，但要与企业业务经营相结合的制度才有效，才能有效落地。

数据管理制度终究是指引企业不同岗位的人员如何在系统的支撑下，管理好使用好企业数据，所以天生需要具备可读性、可执行性，否则数据管理制度就毫无价值。概括起来讲数据管理制度中需要明确地包含但不限于以下四方面核心内容：

一、数据管理组织和权责

既要明确数据管理组织和数据管理岗位的权责，按照DAMA的数据管理组织理论，一方面需要写清楚企业支撑数据工作的数据管理组织架构，如数据标准化委员会、数据管理指导委员会、数据决策层、数据执行层等，每个数据组织下需要明确数据的岗位，如数据系统管理员、数据负责人，数据协调人、数据管理岗、数据维护岗等，每个岗位的具体职责，需要清晰的说明，也可以配合着流程进一步说明。

另一方面数据组织的数据责任范围需要明确，不同的数据对象可能需要由不同的业务人员进行管理，包括业务规则、业务标准的输出。同时针对不同的数据对象的数据Owner需要明确，再次强调了数据Owner的重要性，因为它是业务标准最终输出的指定人，这样能够贴近业务经营，业务标准的变化也可以及时反馈到系统端，让数据管理紧跟业务发展。

二、数据管理对象范围

该部分需要阐述哪些数据纳入数据管理要求中，如主数据管理，不同企业依据企业固有属性对主数据的字段定义存在不一样定义，考虑到数据全生命周期中的管理节点，有的甚至需要清晰化哪些业务节点的数据对象纳入主数据，这些数据对象下的核心共享字段纳入主数据，应当遵循主数据管理制度高标准，而不纳入的部分则达不到这样的标注要求，可适当的放低要求，这一点非常重要的，既明确了边界时点，也贴合企业质量管控和成本要求。

三、数据管理流程

需要列明数据的录入流程，数据创建流程、数据修改流程，数据冻结/失效流程、数据新需求流程等。每个流程需要明确数据维护时点、维护人员、维护系统、维护依据、维护质量要求等，遇到数据管理人员审核时，还需要列明审核的内容及权责要求。

四、数据管理量化指标

既然是数据管理制度，就需要尽可能对数据管理要求进行指标量化。这里面结合DAMA数据领域较为成熟的管理指标进行分享，数据管理制度里面需要明确，管到何种程度才符合业务使用要求。例如绩效指标评价：以A数据项为单位，需要通过数据质量要求：完整性、及时性、准确性、一致性、唯一性、有效性的六个纬度计算标准，需要达到何种标准才能称之为合格的数据，这样可以根据计算规则得出各个数据维护方的数据质量综合得分，如“数据质量对象设置总分100分，按照问题项依次扣除，每条问题扣1分，扣完为止”。这样的数据质量指标执行中才能清晰推动业务进行数据质量改进。

当然除了上面四核心点，还需要提到落实数据争议决策机制，数据的工作是企业级工作，必须站在企业视角去思考。所有数据推动工作通常会因为不同部门间的意见不统一导致难以执行下去，清楚的处理机制和决策人就显得非常重要，定义数据战略决策人，决策人级别越高，对数据落地执行越有号召力，数据推动工作越有效果。

同时每个企业员工都以企业为中心，提高自身的数据观认知，一切从服务企业出发，不在乎谁多干活，谁少干活，用科学的思维和方法逐步分解数据管理工作，DAMA书中也阐述到“数据管理制度专注于定义术语和合并数据周边的语言，这是组织获得更一致数据的起点”。

在企业数据治理中，数据管理制度作为正规严肃的书面规范，可以有效支撑企业数字化执行落地，而数字化产品作为一种管理工具提供企业数字化转型，两者相辅相成，缺一不可。

来源：数据工匠俱乐部