随着大数据技术的迅速发展，企业对于数据的掌握和处理能力得到了质的飞跃，数据已经成为继物质和能源之后另一种重要的战略资源。因此，企业越来越重视数据资源的管理和应用。然而，信息孤岛和部门壁垒的存在成为了制约企业业务协同和智能决策的重要因素。

为了解决这些问题，我们可以采取以下思路：建立一个“业务一技术一组织”三维一体的数据治理体系，通过数据治理消除信息孤岛，促进企业业务协同和提高业务效率，实现企业的降本增效。

▌数据治理遇到的困难

数据治理是一个复杂而又富有挑战性的工作，需要各级管理人员和业务部门的积极参与和协作。虽然数据治理的目标“协同、降本、提效、创新”看似简单明了，但在实际操作中却会遇到各种各样的问题。

问题1：组织运行依靠行政指令协调，高层主管忙于事务性工作，无暇顾及数据战略规划和落地。

问题2：部门墙厚重，数据治理推进受阻，业务部门只关注自身利益，缺乏全局数据意识，跨部门协调困难。

问题3：业务部门和技术部门相互推诿，数据质量问题无法根本解决。

问题4：权本位思想严重，员工习惯于根据领导的指令办事，制定的数据治理流程执行不到位，导致流程形同虚设。

问题5：数据治理以项目形式运作，项目结束后数据治理工作也结束了。

大企业中存在许多不同类型的“墙”，如业务墙、数据墙、应用墙等，这些“墙”的存在导致信息化重复建设、缺乏统一标准，使得业务部门之间的沟通成本高、效率低下。

对于数据治理，很多企业认为这只是IT部门的事情，由IT部门主导，没有明确的业务目标支撑。这种做法是错误的。数据治理应该是跨部门的，需要业务部门和技术部门共同参与，明确各自的职责和分工。

数据治理也需要有明确的业务目标支撑，不能盲目进行数据梳理、标准制定。如果只是盲目地梳理数据，没有明确的业务目标指引，很难保证数据的全面性和质量，甚至会导致数据标准质量无法保证。

在数据治理中，需要建立科学合理的数据治理流程，明确各环节的责任和分工。同时，也需要加强对员工的培训和教育，提高他们的意识和素养。对于数据治理的成果，应该采取必要的奖励措施，激励员工积极参与数据治理工作。

▌三位一体的数据治理体系

建立数据治理体系，需从三个维度入手：1. 设立数据标准，提升数据质量，促进部门间数据共享与应用；2. 优化业务流程，建立数据治理的长效协作机制；3. 创新组织制度，强化数治思维，全面提升企业数据治理水平。三管齐下，实现企业数据治理目标。

业务方面：数据治理应以业务需求为导向，解决管理层和业务部门的数据问题、痛点以及用数需求。在数据治理过程中，业务部门既是数据的生产方，也是数据的使用方，因此围绕数据治理建立和优化“业务协同”的数据治理流程和规范体系，对数据治理至关重要。

技术方面：构建以元数据为基础、数据标准为核心、主数据和参照数据为关键、提升数据质量为目标的数据治理体系。这个体系可以有效地管理企业数据资产，让企业数据可查看、可查询、可管理和可用。

组织方面：数据治理组织是跨职能的，通常企业会建立数据治理委员会和执行团队等组织，负责整体数据战略、数据政策、数据标准、数据度量指标等数据治理规程问题。组织制度体系的保障是数据治理长效运行的基础，也是成功的关键。

▌以数据治理促进业务协同

业务协同中的数据问题主要源于以下几个方面：

首先，数据语义不明确，同一数据在各个业务部门和个人中的理解存在差异。这种情况会导致数据的传输和处理过程中出现误解和混乱，从而影响协同工作的效率。

其次，数据分类和编码的不统一是另一个主要问题。在制造行业等复杂环境中，“一物多码、多物一码”的现象非常普遍，这不仅增加了数据管理的难度，也影响了业务部门之间的沟通和协作。

此外，统计维度的不一致也是影响业务协同的一个重要因素。在管理决策过程中，如果不同业务部门的统计维度和算法不一致，那么统计结果就会存在差异，这无疑会给决策带来困惑和不确定性。

最后一个问题是数据管理职责不明确。当出现数据质量问题或安全问题时，部门之间往往会出现相互推诿和扯皮的情况，导致问题无法得到及时有效的解决。

数据治理是对数据资产的全过程管理，包括数据的产生、采集、管理和使用。通过制定相关的数据标准、管理流程和制度，数据治理能够约束和规范数据生产到使用的各个过程，从而解决上述数据问题，满足业务需求。

通过数据治理，可以打破企业内的数据孤岛现象，实现数据共享，进而打通“部门墙”，促进企业各业务部门之间的协同合作。

以业务协同反哺数据治理

在数据治理的实施过程中，确实有人认为数据治理增加了许多规则和限制，使得业务处理没有以前方便了，数据治理没有提高业务效率，反而对业务效率产生了制约。笔者认为，出现这种情况的主要原因有两个：

一是数据治理对企业来说是一项数字化的战略创新，甚至是一场数字化变革，会涉及到组织机构的调整、业务流程的优化和数据标准的贯彻与执行，企业中不免会有一部分“保守派”，不愿意或被动接受，在他们内心深处对以数据治理为主导的“数字化变革”有一定的抵制情绪。

二是有些企业在数据治理方面没有找到合适的方法或方案，导致治理效果不佳。这些企业可能存在目标不清晰、治理范围贪大求全、实施路径不明确、支撑体系保障不足等问题。此外，有些企业还可能存在数据治理方案没有结合企业自身的特点、盲目跟随或照搬其他企业的最佳实践等问题。为了解决这些问题，企业需要明确数据治理的目标和范围，并选择适合自身的实施路径和方案。

数据治理和业务协同是相互促进的关系，而不是相互独立的。数据治理可以优化业务流程和规范操作，提高数据质量，从而更好地支持业务协同的实现。同时，跨业务协同也可以促进不同业务部门之间的交流与合作，加强信息共享和资源整合，实现更高效、更协调的业务运作。因此，通过数据治理和业务协同的相互支持，企业可以获得更好的整体效益。

企业应该以业务价值为导向，以共享协同为重点，以优化流程为关键，以技术创新为支撑，明确数据治理的业务目标和治理范围，开展数据治理工作。同时，企业应该进一步完善数据治理的长效机制，持续优化业务流程和数据标准，确保数据治理机制的日常持续、有效运转，充分发挥治理体系的效能，释放数据成效并实现业务价值。