正确做数据治理的10个关键步骤

02跟踪外部数据来源

对竞争激烈的市场环境，企业数据应用的方向不再局限于内部数据，更多着眼于第三方数据，这成为构成分析解决方案的要素之一。无论是合作伙伴数据、供应商数据还是互联网开放数据，都可以提升企业获取新业务价值的资源。然而，依靠传统的数据治理方式并不能追溯数据的真实情况。即使能够确定数据质量，也不能保证数据源头是固定的。因此，数据治理团队有必要建立一个可行的模式，以保证外部数据的正确性。

05创建数据自动化管理调控体系

数字经济时代，众多企业纷纷举起数字化转型的大旗，但大多数企业的数据体系都无法帮其实现数字化转型。数据治理团队应建立自动化管理体系，把关数据治理到数据应用的整个流程，在绩效考核、分析决策、基础数据质量之间建立明确的自动化反馈机制，以业务结果反馈数据治理效果。

06检测数据质量对业务的影响程度

借专业的数据质量分析工具，数据治理团队能够测试数据质量，识别异常数据，以便开展有针对性的数据处理工作。通过业务影响程度测量数据质量，可以帮助企业有效筛查无价值数据，提高数据质量。

07听取、沟通业务需求，有针对性地治理数据

据治理团队在对数据进行清洗治理时，首先不要妄图通过数据治理立即解决所有问题，而是应该认真听取业务部门对数据的需求，通过有效沟通，确定行动计划，探索数据内部潜在的问题，为分析决策提供支撑。

08创建数据质量动态感知台，监控数据治理进程

据治理团队一般会通过定期会议或者小组讨论等形式同步各自的数据处理进度。但是定期的会议汇报无法随时了解数据治理进程，因此数据治理团队可以创建数据质量动态感知台。数据质量动态感知台可以根据KPI和关键业务操作流程制定数据质量的绩效。在某些需要调整的地方，数据业务分析师可以与CDO沟通调整治理路线和重点。成熟的数据业务分析师可以帮助企业进行数据管理，积极监控、提高数据质量。数据质量动态感知台可以帮助企业管理数据风险，创造更多降低运营成本的机会。

09建立学习—分享—培训机制

据治理团队中各成员分工不同，所处理的数据模块也不相同，每个人遇到的数据质量问题都不同，而个人解决起来困难重重。因此团队负责人需要建立一套学习—分享—培训机制，团队成员可以将发现的数据问题及时共享给团队其他成员，一起讨论数据治理的解决措施，帮助团队成员提升自身能力。

10避免“IT怪圈”

据治理团队如果没有完全打通企业的内外部数据，业务部门的需求便不能随时得到满足，数据治理团队就会进入IT怪圈。首先，前端业务场景不断变化，业务部门需要随时响应。期间，业务部门会不断向技术部门提出各种工作需求，即使有些业务需求简单到并不需要技术人员操作，只须简化数据治理的流程或步骤即可，但由于数据治理得不彻底，技术部门不得不随时响应低端需求。业务场景是瞬息万变的，用户的需求需要随时被满足，技术部门疲于应付前端业务部门低端的需求，导致业务需求响应慢，结果并不令人满意，甚至延误了商机。如此循环下去，技术部门将陷入IT怪圈，无法抽身。