概述

治理体系

• 管理策略：在整体战略目标及总体规划的指引下，制定数据治理的策略，有目标地推进数据治理工作
• 治理机制：建立与数据治理战略相适应的组织、制度和流程规范，数据治理长效运行的关键
• 治理活动：解决六大核心领域，各类数据问题的专业举措
• 工具与平台：数据治理长态运行的工具

数据治理实施包括组织保障、流程落地和功能落地三个方面。

流程落地是指有一套详细的流程规范（需求、设计、实施、验证、发布等阶段）指导用户开展数据治理工作；

功能落地是指数据治理平台提供自动化、智能化的工具帮助用户高效完成数据治理工作。

组织保障

数据治理可以采用集中化（全时投入）和虚拟化（部分投入）混合的组织模式。结合具备专业技能的专职数据治理人员和熟悉业务和IT系统的已有人员，在运作上实现数据治理团队的快速构建和能力导入，捆绑业务、IT开发和数据团队并利用已有人员熟悉度快速切入重点工作。

在工作内容和责任上具体到三层的工作组织：

数据治理领导

在战略层面，由数据治理Sponsor和各部门负责人组成的数据治理领导组制定数据治理的战略方向， 以构建数据文化和氛围为纲，整体负责数据治理工作的开展、政策的推广和执行， 并作为数据治理问题的最终决策组织解决争议，监控和监督数据治理工作的绩效， 并确保数据治理工作预算支持。

数据治理委员会

在管控层面，由数据治理负责人、数据治理专家和数据架构专家团组成，面向企业进行数据治理工作的统筹并提供 工作指导，在整个企业范围定期沟通数据治理工作，形成数据质量精细化管控文化。 根据数据治理领导组的愿景和长期目标，建立和管理数据治理流程、阶段目标和计划， 设计和维护数据治理方法、总则、工具和平台，协助各数据领域工作组实施数据治理工作， 对整体数据治理工作进行度量和汇报，并对跨领域的数据治理问题和争议进行解决和决策。

各领域数据治理工作组

在执行层面，依据数据治理委员会制定的数据治理方法和总则，制定本领域数据治理目标和工作计划， 负责领域数据资产的看护，维护更新相应数据标准和及相关元数据，设计本领域数据度量和规则， 监控收集数据质量问题并持续改进提升，主动升级数据相关问题。最终完成领域内数据资产的看护， 并支撑数据治理目标的达成。

• 数据标准组
• 数据模型组
• 数据质量组
• 数据开发组
• 数据资产组
• 数据服务组
• 平台及运维组

流程落地

功能落地