数据治理中“谁产生，谁负责”原则为什么执行

一个看似合理的规则

“谁产生数据，谁对数据质量负责。”这句话在数据治理的各类文章中反复出现，逻辑上无懈可击。谁录入的客户信息，谁就该保证客户信息准确；谁申请的物料编码，谁就该保证编码不重复。

但在实际执行中，这条原则几乎处处碰壁。

销售人员在CRM里录入客户信息时，填错了行业分类。按原则，销售要负责。但销售会说：“我的任务是签单，行业分类填错了不影响签单。市场部要用这个字段做分析，他们应该自己保证数据质量。”

仓库管理员在WMS里录入入库数量时，填错了数字。按原则，仓库要负责。但仓库管理员会说：“入库单是采购部给的，采购部给的数量就是错的，我只是照着录。”

生产计划员在ERP里申请了新物料编码，重复了。按原则，生产计划员要负责。但他说：“系统查重功能不好用，我查了没找到，谁知道其实已经有了。”

每条数据的产生都有一个人操作，但那个人未必有动力、有能力、有条件对数据质量负责。把责任推给最前端的操作者，看起来公平，实际上在很多场景下行不通。

操作者为什么“负不了责”

第一个原因是：操作者的核心职责不是数据质量。销售的KPI是销售额，仓库的KPI是出入库效率，生产计划员的KPI是计划达成率。数据质量不在他们的考核里，也不是他们被评价的依据。要求他们对数据质量负责，相当于要求他们做一件不影响自己绩效、只影响别人的事。动力从哪来？

第二个原因是：操作者没有足够的信息判断数据是否正确。销售填客户信息时，可能真的不知道客户的统一社会信用代码是多少。仓库入库时，供应商送来的货和送货单上的品名不一致，仓库该按实物录还是按单据录？操作者没有足够的信息做出正确判断。

第三个原因是：操作者没有足够的工具来避免错误。系统查重功能不好用，操作者查了没找到，就只能申请新编码。系统没有字段校验，操作者填错了格式，系统也照样保存。工具不给力，操作者想负责也无能为力。

责任应该落在哪里

“谁产生，谁负责”的困境，可以通过将责任分解到不同层面来解决。

第一层：系统责任。系统应该在可能的地方自动校验、自动拦截、自动提示。编码格式不对，系统自动提示；必填字段为空，系统不让保存；可能重复的物料，系统自动展示相似列表。把规则写在系统里，不依赖操作者的自觉性。系统能做的，不要让操作者做。

第二层：流程责任。跨岗位的数据质量问题，不应该归咎于单个操作者。入库数量和采购单不一致，可能是供应商发错货，也可能是采购员下错单。这不是仓库管理员能判断的，需要一个跨岗位的核对和确认流程。流程设计者的责任是确保问题能在正确的环节被发现、被处理。

第三层：主管责任。操作者解决了不的问题，需要他的主管介入。物料编码重复，操作者没有权限合并，需要编码管理员来处理；客户信息不完整，操作者没有权限补全，需要数据治理专员来推动。主管的责任是提供操作者没有的权限和资源。

第四层：数据主人责任。这是上一篇文章讨论过的概念。客户数据的主人（比如销售总监）对客户数据的整体质量负责，但他不需要自己去填每一行数据。他的责任是：设定规则（客户分类怎么分、必填字段有哪些）、配置系统（把规则落到系统校验里）、监控质量（定期看完整率、重复率）、推动改进（发现问题时协调相关岗位处理）。

操作者只需要对自己录入的每一条数据负责——但这个“负责”不是“保证绝对正确”，而是“按系统提示操作、按流程核对、发现问题及时反馈”。真正的质量兜底，在系统、流程、主管和数据主人那里。

不同角色对数据质量的影响程度

操作者能影响的是：录入时是否认真、是否按规则填写、是否及时反馈问题。操作者能控制的范围有限，因为工具不好用、信息不全、流程有漏洞，都不是他能改变的。

主管能影响的是：是否给团队设定数据质量目标、是否提供必要的培训、是否把数据质量纳入考核、是否及时处理下属反馈的问题。主管的作用比操作者大，因为他有权限调动资源。

流程设计者能影响的是：跨岗位的数据校验机制是否顺畅、异常情况是否有明确的处理路径、问题是否能追溯到根源而不是停留在表面。流程比人稳定，好的流程能自动纠偏。

系统设计者能影响的是：字段校验规则是否完善、查重功能是否准确、操作是否便捷、错误提示是否清晰。系统的约束力最强，因为操作者绕不过去。

数据主人能影响的是：规则是否合理、标准是否清晰、资源是否到位、优先级是否明确。数据主人定调子、给资源、做决策。

分摊下来，最应该对数据质量负责的不是最前端的操作者，而是那些有能力改变系统、优化流程、配置资源的人。

新易编码在责任分配上的设计

新易编码的设计逻辑是：系统承担系统能做的校验，把操作者从“无法负责”的困境中解放出来；流程固化在系统里，确保问题能流转到正确的环节；不同角色有明确的权限边界，各司其职。

系统责任：新编码申请时，系统自动检索已有物料库，按相似度展示可能重复的结果。操作者看到结果后做判断，而不是自己从头查。系统还做格式校验、必填校验、唯一性校验。不合规的申请提交不了，不是操作者不认真，是系统不让过。

流程责任：重复编码产生后，操作者没有权限合并，系统自动推给编码管理员处理。跨系统的客户信息不一致，系统推给数据协调员处理。系统记录谁在什么时候做了什么操作，可追溯。流程固化在系统里，不依赖人工催办。

主管责任：数据质量看板向主管开放。主管可以看到团队的数据完整率、重复率、异常率，以及与其他团队的对比。主管的责任是关注这些指标、分配资源去改进、把数据质量纳入团队考核。

数据主人责任：规则配置、标准维护、审批流设置，由数据主人操作。新易编码提供配置界面，数据主人自己调整规则，不需要IT介入。

这个设计的前提是：数据责任不能只压在操作者身上。系统、流程、主管、数据主人各承担一部分责任。操作者的责任是“按系统提示操作、按流程核对、及时反馈问题”，而不是“保证万无一失”。

几个具体的落地建议

不要用“谁产生谁负责”来回避系统责任。查重功能不好用，操作者查不到重复，这不是操作者的问题。先把系统功能做好，再谈人的责任。

明确“负责”的具体内容，不是一句空话。“负责”意味着：操作者要按规则填写、要及时反馈异常；主管要监控指标、要提供资源；数据主人要维护标准、要推动改进。每个人负责的内容不同，要写清楚。

考核的重点向上移。考核操作者的数据质量，效果很有限。把考核重点放在主管和数据主人身上，他们有能力改变系统、优化流程、配置资源。

定期复盘数据质量问题的根源。不是“谁错了”，而是“系统哪里不好用、流程哪里不合理、规则哪里不清晰”。每解决一个根源问题，一批数据质量问题就会自动消失。

结语

“谁产生，谁负责”这句话没有错，但它不能成为数据治理的全部答案。过分强调操作者的责任，只会让大家觉得数据治理是“推锅”的游戏——谁操作了数据，谁就要背锅。

真正的责任分配应该是：系统负责校验，流程负责流转，主管负责资源，数据主人负责规则。操作者的责任是认真执行，但不应该为系统缺陷和流程漏洞承担无限责任。

新易编码在这个问题上的设计逻辑是：把能自动化的校验自动化，把能固化的流程固化，让每个角色在自己的权限范围内承担明确的责任。责任清晰了，执行才有可能。