数据治理失败的因素有哪些？

导读

数字化时代，数据作为新的生产要素受到了各界前所未有的重视。随着数据越来越多，怎么管好、用好数据，让数据发挥价值，成为了很多企业的一个难题，而且还是一个必选题！有效的数据治理可以确保企业数据全面、一致、可信，从而全面释放数据的价值，提高业务流程效率、提升业务增长的机会，驱动企业数字化转型。

数字化转型是当下企业不得不面对的时代挑战，顺应时代转型是与时俱进，不转型守株待兔就是等死，是把命运托付给竞争对手。企业的数字化转型始于被动成于主动，转型的目标不是为了提升数字化水平，而是为了提升企业核心竞争力。数字化转型的核心要素就是数据，在今天，数据连接着一切，要成功完成数字化转型，基础工作就是打通数据，数据如果不“拉通”，标准不一致，数据质量低下，数据口径矛盾，就无法联通企业内外。  相信做过企业数字化转型工作的人都会有这样的一些疑惑：数字化转型的基础工作是数据管理工作，组织中多次进行数据治理项目，花费了很大成本，但效果不明显；数据治理感觉是空中楼阁，无法落地；数据管理工作为何是一个长期持续的工作，不能短期快速实现吗。这些都是数据治理工作中经常遇到的疑难点，今天笔者就带着大家一起分析一下数据治理项目中经常会遇到的七大困难点。 

1、数据标准统一难

数据标准规范在数据治理中占据核心地位，缺乏标准将使得治理工作混沌不清。数据标准不仅是统一的数据准则，更是对企业或组织各方行为的约束。然而，制定统一的数据标准并非易事，它涉及众多部门和人员，需平衡各方利益，满足不同业务职能对数据的需求。例如，在房地产等行业，数据需求复杂多样，项目楼栋数据对于工程运营来讲在土地获取之后就要创建，但对于营销来讲预售阶段才需要创建。如何确定统一的标准时点和颗粒度成为挑战。尽管困难重重，但统一的数据标准至关重要，它不仅关乎数据治理的成效，更影响企业整体工作的推进。因此，各方需加强沟通协作，达成共识，确保数据标准的制定与实施。

2、组织权责建立难

在数据治理中，建立清晰的数据组织权责尤为困难。数据工作跨业务协调复杂，数据owner的确定需反复权衡，既要确保数据准确可靠，又要激励其积极承担责任。在实际操作中，很少有部门愿主动承担数据源头录入工作，因此高层领导的指定和推动至关重要。同时，数据owner的权责需匹配，既要担责，也应得到相应的奖励评价。为更好实施数据治理，还需将数据工作融入日常业务中，使其更贴近实际。总之，建立数据组织权责是一项艰巨任务，需高层领导支持、各部门配合及合理激励机制共同推动。

3、数据价值评估难

数据治理虽重要，但价值凸显却困难重重。主要原因在于难以持之以恒地推进治理工作，频繁更换管理者和方法论导致资源浪费和信心丧失。此外，数据治理的价值评估体系尚不完善，无论是国际还是国内，都仍在探索中。现有的评估方法难以准确度量数据价值，导致企业老板对数据治理的投入持谨慎态度。因此，数据价值评估难成为制约数据治理发展的瓶颈，亟待建立科学的评估体系和方法，以推动数据治理工作的有效实施和价值凸显。

4、数据质量管理难

数据质量管理面临诸多挑战，其中数据源头录入质量难以控制及下游系统应用方式导致的问题尤为突出。数据录入标准和口径的不统一，以及录入人员的培训和考核难度，使得数据质量难以保障。同时，下游系统的架构设计问题也影响了数据质量，而这些问题往往由于历史原因难以短期内解决。因此，数据质量管理需要综合考虑多方因素，从源头抓起，简化标准，关注核心问题，并不断优化下游系统，以克服这些难题，确保数据质量满足业务需求，促进业务提效。

5、历史数据清理难

 历史数据清理难，难在数据量大、结构复杂，且深受时代特征和管理要求影响。不同业务部门对数据精度需求各异，清理范围和内容难以统一。数据清理需考虑现有规则标准，又需兼顾历史情况，各类数据间相互影响需充分考量。此外，历史数据涉及的组织结构、员工、系统均随时间变迁，资料溯源困难，即使找到也难以准确理解和判断，导致数据失真。因此，历史数据清理几乎无解，只能依赖经验积累、反复验证及清理人员的仔细推敲，力求清理出尽可能准确的数据。 

6、数据系统落地难 

数据系统落地难，源于多方面挑战。不同行业的差异性导致数据产品难以复用，软件厂商的专业性问题也增加了难度。同时，企业自身发展环境的独特性也对数据系统提出特殊要求。在职能型项目中，数据规则不明确或频繁变动，使得数据标准难以固化在系统内。主数据系统的建设也面临抉择，独立部署虽保证数据严肃性，但可能影响业务连贯性；与业务系统绑定虽提升业务流与数据流的统一，却可能受限单个业务系统，失去企业级视角。这些问题共同影响数据产品的定位和管理，使得数据系统落地成为一项艰巨任务。

 7、长期治理执行难 

数据治理项目虽能短期顺利上线，但长期执行却难以为继。项目之初，得益于高层支持和外部合作，数据方案和系统得以快速落地。然而，随着外部专家撤离和领导关注度降低，原先制定的数据标准逐渐被忽视，项目重回原点。难点在于运营阶段，如何确保数据治理方案和系统持续执行。因此，数据管理制度至关重要，通过发布配套制度、制定晾晒和考核机制，可驱动数据相关方持续遵循标准规范，从而解决数据治理长期执行难的问题。

  结语 

数据治理并非一蹴而就，避开常见陷阱，从核心领域入手，平衡好数据和业务并制定明确的目标，同时在完善管理组织、制度流程、维护管控的基础上，选择适用的数据工具，才能激发出数据的潜在价值。

来源（公众号）：南京南数数据运筹科学研究院