数据治理项目怎么做，3种推进思路可参考

有数据表明，数据治理项目的成功率不高，许多项目未能达到预期目标。然而，“不成功”仅指未达到项目预设目标，并不意味着这些项目毫无价值或完全失败。那么，数据治理项目到底要怎么做？具体如何推进才更有效果呢？

01

数据化项目和信息化项目建设差异

为什么很多数据治理项目不成功？我觉得根源是，目前许多企业在实施大数据项目时，仍然沿用信息化系统建设的思路，通常是由信息部门或科技部门主导+传统软件公司参与+业务部门坐等的情况。

我们来简单总结下信息化项目与数据化项目的区别，主要体现在以下几个方面：

1.  应用范围：信息化系统多针对单个系统或业务，如人力系统，范围相对较小；而数据化项目则涉及企业全流程，涵盖多个环节，要求供应商对整体业务有深入理解。

2.  决策模式：业务系统采用线性思维，注重功能实现；数据化项目则强调多元智慧分析，需要从多个维度对数据进行分析，要求参与者具备强大的数据分析能力。

3.  信息孤岛：单一业务系统不存在信息孤岛，但构建大数据平台时需实现数据融合与共享，增加项目难度。

4.  导向：传统企业可能更注重产品导向，而数据化项目强调客户或结果导向，同时注重协作共赢，可能需要多个厂商和咨询公司共同参与。

5.  目标与业务创新：信息化项目注重产品功能提升，而数据化项目则强调协作与共赢，通过构建大数据平台实现业务创新。

02

数据治理工作的3种推进思路

经过多年在大数项目建设领域的经验积累，对于许多正考虑或尚未建立数据治理平台的朋友而言，如何定义、立项及后续实施此类项目，确实是一个值得探讨的问题。当前市场上对此众说纷纭，除了标准先行法、监管先行法等多种方式外，归纳起来，主要存在三种方法：一是顶层设计法，二是技术推进法，三是业务推进法。

  顶层设计法

顶层设计是各种数据治理方法论（比如DAMA）所推崇的常规做法。它通常包括调研、咨询、规划、组织成立、战略制定等环节。先做数据治理顶层设计的规划，确定战略目标，进而拆解KPI，然后设立对应的支撑项目，并且根据优先级别进行排序，最后形成一个执行的路径，即每个阶段要建设的项目及其目标。

这种方式的优点显而易见：它确保了项目有明确的规划和方向，从面到线，再到点，逐步落实，从而最大程度地保证了项目的成功，减少了无用功和重复建设。

然而，这种方式通常只有少数政府或大型企业采用。这并非对错之分，而是因为它见效相对较慢，对组织的要求也较高。无论是领导的管理理念，还是员工的数据化能力，都需要达到一定的水平。

当然，也有人会吐槽国内很多企业急功近利，追求快速见效，不愿意给科技部门或相关厂商足够的时间来实施项目。虽然顶层设计方式在国内应用较少，但其优势不容忽视。对于有条件的企业或组织来说，采用这种方式进行大数项目建设，无疑是一个明智的选择。

  技术推进法

第二种方法被称为技术推进法，标准先行法可以被视为技术推进的一种策略。当前绝大多数的大数据项目都是以这种方式为主的，针对数据问题，从技术层面进行解决。即建设实现海量多源异构数据的实时采集、集中存储、治理融合、数据建模、分析应用所需的数据平台。

这一现象的成因颇为简单：目前国内众多大数据项目往往由科技部门主导。即便是各企业内部资深的科技部门，对于本企业具体业务的了解也相对有限，不如业务部门深入。因此，他们难以提出深层次的业务需求，而更擅长和关注技术方面。正因如此，许多大数据平台或项目都是以技术为导向进行建设的。

这种方式并无不妥。因为目前大数据平台的技术架构及产品已日趋成熟，尽管不同厂商的产品在功能、性能上可能存在些许差异，但大体上并无本质区别。当企业决心进行数字化转型时，建设这样一个平台是必不可少的。数据采集、集中存储、数据管控、数据治理平台的搭建以及BI工具的采购等，都是必须要进行的工作。在企业有预算和精力的情况下，先行开展这些工作，是合理的。

  业务推进法

第三种方法就是业务推进法。比如监管先行其实就是更多地以业务需求，尤其是监管需求为驱动。

针对某个具体的业务需求或应用场景，采集相关数据，并根据需求进行数据治理和数据建模，实现决策支持、预警预测等数据应用。这类项目通常会在数据化能力较强的单个部门，如财务部门或调度部门率先实施。调度部门本身就是一个数据汇总和使用的部门，对数据要求较高，因此会基于其需求来开展项目，这也是目前调度大屏等项目较多的原因之一。

业务推进法的优点在于：基于单一业务需求开展数据项目需求明确，项目规模相对较小，涉及系统和业务部门较少，较容易出成果。但头疼医头，本身可能成为又一个数据孤岛，可能会有重复建设。

  三者的关系

值得一提的是，前面提到了顶层设计的重要性。在做好顶层设计和规划之后，技术平台的建设通常是第二步。一般来说，平台建成后，才会进一步推进各种业务场景的应用。而在做顶层设计时，也不必急于将所有业务同时开展数据化应用，这往往是一个循序渐进的过程。

同时，技术推进与业务推进并不矛盾，是因为顶层设计对企业的理念、人才等要求较高，而企业人才培养和理念形成需要过程。在这个过程中，无论是技术推进项目还是业务推进项目，都能让企业员工在实践中学习和积累经验，逐步提高对大数据技术和分析理念的理解。因此，即使有些人认为先建大数据平台而暂时无法实现业务支撑或应用分析是无效的，但实际上，在建设平台的过程中，企业的能力已经在逐步提升。当企业达到一定水平时，自然会回过头来进行更深入的顶层设计和规划，而此时的规划将基于已建成的技术平台和已实现的业务场景。

因此，在未来的新企业项目中，三种路线均可选择，具体应依据客户的自身能力和需求来确定。

03

小结

最后，还想强调一点，在面对终端用户时，都需要对整个项目有准确的认识。

有时候，我们会遇到与终端用户之间的理解差异。例如，我们可能认为客户当前阶段适合进行技术推进项目，建设技术平台，并附带一些应用场景。但客户可能不理解这一点，他们期望的是直接的、最终的成果，即实现业务分析场景。如果双方无法达成共识，就可能导致项目被定义为失败，甚至让客户认为大数据项目无用，从而停止后续投入。这是非常失败的情况。

因此，在做项目时，我们必须与最终用户达成一致，明确项目的定义和规划。如果我们选择从顶层设计开始，那么就应该认真制定规划，不急于求成，不一开始就追求大平台或立即实现业务成果。同样，如果我们选择基于某个业务需求进行业务应用建设，那么就不应该因未制定数据标准或进行数据治理等工作而责怪对方。

亿信华辰拥有丰富的数据管理项目经验，能够提供数据治理咨询、实施等全方位专业服务。欢迎电话联系亿信华辰400-0011-866，或后台私信联系。