企业数据治理项目失败的六大根源

据Gartner的相关调查显示，超过90%的数据治理项目均与成功失之交臂。诚然，数据治理项目落地并不是一件易事，但这关系着企业的战略发展，是企业实施数字化转型所必须完成的一项基础工程。基于软信在成功数据治理项目上的实践，归纳出治理工作中容易出现的六大错误及解决方案，以期为准备实施数据治理的企业提供一些思路。
 
一、缺乏明确目标
 
数据治理是一项庞大而冗杂的系统工程，若没有明确且合理的目标，那么这场治理从开局就埋下了失败的伏笔。
 
01
    目标宽泛不明确：目标没有分阶段分部门来制定，而是统一而定的宽泛目标，完全没有考虑可实现性。
02
    目标与业务脱离：着重从技术角度出发，没有考虑如何为业务赋能，导致数据治理在业务层面难以落地，造成“空治理”。
 
做好数据治理的首要是明确企业核心业务需求，从而制定业务目标。
 
二、将数据治理当做短期技术项目
 
在实施数据治理项目时，大多企业会把该项目视作短期项目，通常会有以下两个错误思维：
 
01
    “定了就好了”的心态，他们认为数据治理是一项需要既定完成的计划，一旦定了就结束，数据质量也理当得到改善。
02
    有“过渡治理”的倾向，一直盯着一个点，反复治理修正，以致于项目迟迟无法推进。
 
其实，随着企业的成长与发展，其度量标准定义也随之变化。应将数据治理视为是持续运作的过程，需要循序渐进、迭代更新才能稳步释放数据价值。
 
三、过分依赖数据工具
 
数据领域中有许多的工具、托管服务、方法和框架，它们确实可以简化操作，提高效率。例如，软信之前提到的拥有可观测性的数据目录就是一个很好用的工具之一。但我们想提醒的是，不要过度依赖工具，它会让数据治理变得难以实施。正如上一点强调的，数据治理不是一成不变的技术项目，无法通过单一的工具、工作流而完成，期间涉及到判断、决策和差异化。
 
应在使用工具的同时，加大在组织架构、制度流程、维护管控等方面的投入，全方位保障数据治理工作的进行。
 
四、不明确真正重要的数据
 
复杂的数据环境中，并非所有数据都是重要的，大面积进行数据治理会浪费人力和时间。
 
在推行数据治理策略之前，明确企业需要的重要数据，并相应进行优先级排序。设置数据可靠性SLA有助于数据治理，它能在数据、数据团队和下游数据消费者（客户或职能团队）之间建立信任并加强联系。
 
五、难以平衡数据和业务
 
数据治理过程中，高层的支持固然重要，这关系着项目是否能深入到各个核心部门中去发挥数据价值。但除此之外，数据治理团队的人员安排也极其重要。数据领导者需要合理安排日常处理数据的技术人员，避免出现“重技术、轻业务”的情况出现。
 
只有平衡好技术与业务两个关键砝码，才能搭好数据治理的框架。
 
六、未建立全面的责任机制
 
企业内部数据问题反复出现，各方相互推诿，最终只能多方协调，以致于项目实施进度缓慢，同时数据质量问题迟迟得不到解决。
 
应建立全面的责任机制，落实责任人，让数据治理顺利实施。
 
 
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。