目录
四、治理不是“为了规范”，而是“为了落地”——怎么落到业务？
很多公司一谈“数据治理”，氛围就很容易变得“高大上”：设规则、定制度、拉项目、建体系，最好再配个PMO。
但真到业务一线，问一句：“我们到底在治理啥？” 很多人就懵了。 有的说是治“脏数据”，有的说是建“标准库”，还有人说“搞搞主数据嘛”。
这些都对，也不全对。
今天我们就不拐弯抹角，用平常的话，讲清楚：
数据治理到底在“治”什么？为什么它不是IT的事，而是经营的事？
先分享一份《企业数字化建设知识地图》，该图谱围绕数据化管理落地—>数据化应用落地—>数据团队建设三个重点，梳理出了数据化流程管理等内容，点击链接即可获取：企业数据化建设知识地图 - 帆软数字化资料中心
一、先搞明白数据到底出了什么问题
“数据治理”听起来像是信息部门的事，但真要落到实处，
它其实治的不是“表格”，是企业经营过程中产生的数据混乱。
这些混乱，体现在哪里？你看看是不是常见这几种：
- 报表打出来，领导一看问：“怎么你这销售额跟财务那边对不上？”
- 客户名字五花八门，系统里一查：阿里、阿里巴巴、Alibaba，全是同一家
- 仓库数据报表上显示有 500 件库存，业务现场一看——只有 327
- 供应商评分系统里，出现了两个一模一样的供应商编码，价格还不一样
这些问题本质不是“数据有误”，而是“数据的产生、管理、使用没有规矩”。
所以数据治理干嘛的？一句话说清楚：
数据治理，治的不是“数据本身”，而是治企业在用数据过程中，标准不统一、职责不清晰、流程不闭环、系统不协同的问题。
数据只是结果，治理的是背后的“人、事、流程、系统”。
二、数据治理到底“治”什么？这五样是核心
我们把“数据治理”拆成通俗的五大治理对象，一件件来讲清楚。
1. 治标准：每个字段都得有“官方口径”
比如你公司的“订单金额”这个字段，可能有人这样理解：
- 销售说：是客户下单的价格，不含税
- 财务说：是开票金额，要含税
- 电商部说：要减去优惠券
- 数据分析说：我拉系统原始字段的值
那到底哪个是对的？
在治理层面，不管哪个对，必须有一个“定标准”的动作——哪个字段，怎么算，有没有字段字典，有没有业务口径说明。
否则你一搞BI、做指标、建模型，大家就会各自为政、互相打架。
所以标准治理的核心目标是：
- 明确每个关键字段的定义、口径、计算逻辑
- 建好字段字典、指标口径文档，最好系统内可见
- 做标准的版本控制、发布、废弃流程管理
2. 治主数据：关键ID得有唯一“权威身份”
“主数据”听起来很抽象，通俗点说：它就是你公司里那些必须统一口径、跨系统通用的“核心角色信息”。
比如：
- 客户是谁？（客户主数据）
- 供应商是谁？（供应商主数据）
- 产品叫什么？SKU是什么？（商品主数据）
- 员工编码是谁？（组织主数据）
如果你在CRM、ERP、电商平台、财务系统、WMS中，对同一个客户用了五套ID，那数据合起来肯定对不上。
主数据治理干的事是：
- 统一这些角色的标准编码、名称、属性
- 每条主数据都有唯一身份，不允许“重名”
- 建立主数据注册、审批、修改、废弃流程
- 不同系统使用主数据做关联和授权
说白了，它就是企业数据的“户口管理”。
3. 治质量：脏数据、假数据、乱数据不能混进来
什么叫数据质量问题？
- 有空值：客户生日一栏是空的
- 有错误：金额是负数，地址写错国家
- 有重复：一个订单被录了两次
- 有滞后：价格变了三天系统才同步
数据质量治理做什么？
- 建立数据校验规则（类型、格式、范围）
- 异常值自动识别 + 人工核实机制
- 去重、补全、清洗逻辑清晰可复用
- 每个表、每个字段，质量指标定期检查（完整率、准确率、及时率）
这部分很多企业做得很被动，要等到报表出错、分析打脸了，才来追溯源头。 而好的治理，是提前把“脏东西”拦住，进不来系统。
4. 治流程：谁负责什么、怎么处理、怎么闭环
数据治理另一个“看不见但很关键”的部分是流程治理。
比如你遇到这些情况：
- 某个新客户不知道谁来录，结果业务员各自建了三遍
- 财务那边改了供应商名，仓库这边却还在用旧的
- 某个指标口径改了，没人告诉BI团队，报表错了好几天
这些都是“数据流程没治理好”的典型表现。
所以流程治理的重点是：
- 谁建数？谁用数？谁审批？有无SOP文档？
- 数据变更能不能自动通知相关系统？
- 有无数据生命周期管理机制？（建、用、改、删都有闭环）
治理不是设制度，是让流程能跑通、跑顺、跑得稳。
5. 治权限：谁能看什么，谁能改什么
最后，还有一个容易忽略但非常关键的问题：数据的权限管理。
你是否遇到过：
- 一张销售数据报表，连实习生都能查全国的客户名单
- 财务表不小心被业务误删，连备份都没有
- 某个部门越权修改了产品单价字段，影响全局分析
这些问题一旦出现，不只是运营风险，更可能是合规风险。
权限治理要做的事包括：
- 建立角色权限体系，谁能看、谁能改、谁能导出都得有控制
- 敏感字段要加密处理（如身份证号、手机号）
- 所有操作可追溯（日志审计）
- 建立数据分级机制：公开级、内部级、敏感级、严格控制级
数据治理不是全员共享，而是按需共享、可控使用。
三、数据治理不是IT项目，而是企业的“管理工程”
很多公司搞数据治理，一上来就是搭平台、选工具、开大项目。
但最后会发现——工具上了，数据问题还在。
为啥？
因为数据治理不是“IT工程”，而是“管理工程”，得有人、有规则、有机制、有文化。
一个简单的比喻：
数据治理不是修水管，而是建一整套“供水体系”：
有水源、有水表、有阀门、有过滤器、有使用规范，还得有水质检测。
它真正的目标只有一个：让数据可用、可信、可控。
四、治理不是“为了规范”，而是“为了落地”——怎么落到业务？
治理说到底是为了解决业务问题，所以最有效的数据治理，是“嵌入到业务流程里”的，而不是另起炉灶搞一套架空体系。
比如：
- 把数据标准写进ERP系统字段配置中
- 把主数据流程嵌进供应商入驻流程中
- 把质量规则接入到数据接入自动校验中
- 把权限策略嵌进BI平台的角色权限里
- 把指标口径写在报表说明中、自动弹窗提示
治理要落地，关键在于：
- 和业务结合，而不是头痛医头
- 和系统集成，而不是靠人肉补救
- 和组织挂钩，有人负责、有奖惩、有闭环
五、总结：数据治理，治的是“用数的能力”
再总结一下，数据治理到底“治的是什么”：
一句话：数据治理，不是为数据而治理，而是为了让数据能真正支持业务经营。
治理做得好，数据才可靠；数据可靠，决策才靠谱；决策靠谱，企业才能稳步增长。