數據治理這種“熱搜體質”，首先是反映了治理的重要性，這裏就不贅述了。再者就是治理的“朦朧美”，正如《數據管理知識體系指南》越來越厚，不要說融會貫通，把DMBOK通讀一遍都是個體力活。討論起數據治理，業內一般從下面幾個角度着手。
- 一是管理層面。數據治理是一種特殊的管理，所以，首先需要有戰略目標，與企業戰略、業務目標、IT規劃保持一致。然後，管理需要制度辦法、組織架構；最後，無考覈不管理，所以治理需要評估考覈。
- 二是內容層面。治理是管理，管理是針對被管理對象的。治理領域的管理對象包括：數據標準、數據質量、元數據、數據模型、數據架構、主數據、數據安全、生命週期、數據開發、數據服務等。每個管理對象（主題）都有自己的特點、方法、流程、工具。
- 三是技術層面。數據治理也緊追最新的“酷”技術，自然語言處理、知識圖譜、機器學習、自適應規則生成等等。
- 最後是效果層面，或者宣傳角度。此時，成功的治理特別強調：領導的支持、專職治理團隊的重要性、治理文化的必要性；數據價值的凸顯等。
把上面的任何一個層面講好都不容易，業內也有很多專家、培訓課程在努力。但是，有個問題好像一直沒有引起重視：數據治理的具體產出是什麼？
- 數據架構、數據模型、元數據，好像更應該是IT架構部、開發中心的產出；
- 數據標準是數據治理的產出嗎？但是，企業的其他部門好像都不太在意數據標準。
- 數據質量的提高是數據治理的產出嗎？分支機構說了，明細數據都是我們錄入的，我們是明細數據的生產者。
- 數據安全是數據治理的產出嗎？資訊、業務都說：這個可以有。但是，數據安全需要業務部門、分支機構、資訊科技的配合，治理部門是不敢接、接了也做不了的。
- 數據應用是數據治理的產出嗎？各個業務部門會拎着錘子說：給你治理部門一個重新組織語言的機會。
數據治理的產出難以明確，或者治理的產出總是與企業的其他部門糾纏在一起，這也就是治理體系複雜且各個治理案例“千人千面”的主要原因。
從更宏觀的角度看，傳統的實體世界、互聯網的“賽博空間”、數字孿生空間、及數字世界，在這四個世界中，數據的本質是什麼？不同空間的數據的含義是相同的嗎？這些問題，應該是目前學術界所關注的。
我們數據治理從業者，暫時把“數據治理的產出”這個問題放一下，更要站在企業實踐的基礎上，多考慮一下：我們當下這個項目、治理活動的產出是什麼？
數據治理諮詢類項目都包含三個經典階段：
- 現狀調研及分析報告；
- 組織架構及體系規劃；
- 實施路徑及三年規劃。
其中，未來的三年規劃（或三階段規劃），總體上是個二維矩陣：矩陣的行是各個數據管理領域：數據標準、數據質量、數據安全、數據架構、主數據、開發過程管理等等。矩陣有三列，代表了三個階段，交叉的單元格表示在這個階段，在對應的管理領域，應推進的任務舉措。
站在項目交付的角度，三年規劃報告很完善，大都順利驗收。站在治理效果上看，大部分企業沒有按照三年規劃推進治理工作。這裏的原因大致有三種情況。
- 資源規劃不足。治理工作需要專人專崗專業部門，但在治理體系設計時，項目往往重視各個部門的職責及協調，忽視具體的崗位設計。這反映在三年規劃中，就是沒有明確每個階段需要入編多少資源，分別對應哪種角色。這導致數據管理部門後續很難再申請相應的人力資源。
- 協同規劃不足。正如前面所表現出來的，三年規劃是站在專業的角度，對每個治理領域進行單獨的規劃，很少從數據管理的整體，從業務科技的協作來進行設計規劃。
- 規劃基礎不足。很多客戶現在遵循“快速試錯”的戰略方式，特別是在不斷地進行“嘗試-撞牆-調整”。這給業務規劃、IT規劃都帶來了很大的挑戰，遑論數據規劃。
那是否說明治理的三年規劃就沒有用處，今後就不需要了？
當然不是。三年規劃是對體系規劃的很好補充與解釋。治理的體系規劃，是站在靜態的角度，闡述未來理想的狀態下，治理體系有哪些模塊，如何協同交互。治理的三年規劃，是站在動態的角度，描述完整的治理體系是如何一步一步完善起來的。
針對上面的三種不足，今後治理的三年規劃應進行有效加強。特別的是，企業本身需要在人力資源規劃、業務協同、科技協同方面都需要投入更多精力，因爲單純依賴諮詢公司是無法完成的。
我整理了100+數字化報告，50+名企案例，10+T行業解決方案，回覆“資料包”即可獲得！
