作者丨石秀峰

全文共3653个字，建议阅读需10分钟

如题，今天要聊得这个话题，包含了四个“治理”。

先上一张图：

看完这张图你有什么想法，这张图说明了什么？

它是在描述公司治理、IT治理、数仓治理和数据治理的关系吗？

如果这张图是在描述四个“治理”之间的层次结构，那你认为哪一个结构是正确的呢？

01

数据治理 VS 公司治理

数据治理与公司治理的关系

公司治理是指通过一整套包括正式或非正式的、内部的或外部的制度来协调公司与所有利益相关者之间（股东、债权人、职工、潜在的投资者等）的利益关系，以保证公司决策的科学性、有效性，从而终维护公司各方面的利益。

数据治理是一种数据管理概念，是通过一定的组织机制、标准规范、管理制度、技术工具，协调数据利益相关方关系，确保在数据的整个生命周期中的数据治理和安全合规使用，从而提升数据价值化的能力。

公司治理和数据治理，一个面向公司，目的是协调利益相关者之间的关系，维护公司各方面的利益，实现企业利益大化；一个是面向数据，目的是协调数据资产相关方关系，确保数据的管理和使用过程中的数据质量、数据安全和合法合规，以促进数据价值的大化。在概念层面，也能够看出公司治理与数据治理之间有着千丝万缕的联系。

也有专家认为数据治理属于公司治理范畴，是包含与被包含的关系。当然，这个观点是没有问题的，笔者也是认同的。

数字化时代，数据是企业的重要资产，已经被越来越多的企业视为除了人员、资金和物资的第四种生产要素。数据治理已经成为了企业顶层的，战略层面的策略。

公司治理驱动的数据治理

一直以来，数据治理有两个大的误区：一是认为数据治理是IT的事，从技术的角度去做数据治理，缺乏统筹治理能力，这就导致企业上了很多数据治理的产品和工具，但却没有解决数据的实际问题；二是有某业务部门主导数据治理，从单个业务角度设计数据治理的相关规则，这就是所谓的项目级治理或点状治理，这样的治理结果只不过是将企业中的部分“信息孤岛”连接在了一起，而形成了一个“更大”的“信息孤岛”，在公司整体层面数据问题依然存在。

公司治理驱动的数据治理，是以公司利益大化为目标，从企业战略层面设计数据治理的策略、组织、制度和标准，避免了单纯由“业务驱动”数据治理或“IT驱动”数据治理的片面性。

数据治理驱动的公司治理

严格来说，驱动公司治理的是制度， 是通过制度体系的设计和执行，保障公司利益的大化。而所谓“数据驱动”就是通过数字化的手段完善和改进制度体系，并监督和保障公司的各项制度有效执行，从而公司治理形成一个不断迭代的螺旋循环上升模型。

随着公司业务的发展、规模的扩大，公司治理不能仅仅依靠人去维护、监督和考核。只有通过技术、通过数据将公司的各种问题透明化，才能为管理者做出更加科学的决策。有效的数据治理，不仅是衡量和评估公司治理目标的基础，例如对企业的利润率、收入增长和运营效率等绩效指标的统计分析；也可以用于公司的战略定位和风险预测，例如评估市场机会、风险评级、竞争定位的预测性分析。

02

数据治理 VS IT治理

什么是IT治理？

数据治理的概念我们上文说过了，而且在本公众号中，有笔者的几十篇文章都在讲数据治理。那，什么又是“IT治理”呢？

广义上讲，IT治理是公司治理在信息时代的重要发展，使得IT的应用能够完成组织赋予它的使命，确保实现组织的战略目标。IT治理是公司治理的一部分，是一种引导和控制企业各种关系和流程的结构，这种结构的安排，旨在通过平衡信息技术及其流程中的风险和收益，增加价值以实现企业目标。

狭义上讲，IT治理是对IT系统的治理，包括：信息化规划、系统架构、业务规则、IT技术等，涉及企业内外部各利益相关人的协调，治理的目的是实现IT与企业目标的一致性。

数据治理与IT治理的区别是什么？

回答这个问题之前我们可以先来看看另一个问题：数据与信息技术（IT）之间的区别是什么？拿管道来做一个比喻：IT是一个管道系统中的管道和泵，数据就像这些管道里面流动的水。

假设你担心从你家管子里放出来的水被下了毒，这时候你会打电话给修水管的工人吗？当然不会。水管工人只负责管道中的硬件设施，至于里面流动的东西质量如何就不是他们的职能范畴了。你要找的是能够测水质的人。

很多企业的数据治理工作是由IT团队负责的，就是所谓的“IT主导的数据治理”，以IT系统管理为主，例如确定采用什么样的系统管理数据，这个过程就像是在修管道，解决了信息系统之间数据的流通问题，但是关于“管道中的水质”的问题就非常容易被忽视。这时候我们就需要跨职能的团队对数据相关的决策作出判断。

可以肯定是，无论是确保IT系统正常运行的IT治理，还是确保数据质量和安全合规的数据治理，终的目标都是实现企业目标而服务。在一定程度上，IT治理包含数据治理。只不过对于大多企业来讲，单纯的IT团队是不具备治理数据能力的。建立一个数据治理团队，需要高层领导的深度参与，需要引入和培养数据专家，需要IT与业务的相互融合。

03

数据治理 VS 数据仓库治理

在传统信息化建设过程，数据治理更多的应用在数据仓库的数据治理中，目的是解决数据仓库中数据的完整性、一致性、性、准确性、及时性等问题，为数据应用和数据分析提供高质量的数据。

也因此，很多企业搭建了数据仓库，就说自己做了数据治理。那数据治理与数据仓库是个什么关系，建设了数据仓库就等于做了数据治理了吗？

数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。集成性，是数据仓库的一大特点，不同的主题，需要汇聚和集成不同的数据源，再经过一定的加工处理，以提供企业决策支持。在这个过程中，数据质量问题是核心关注的要素，如果数据质量出现问题，将会对决策产生较大影响，甚至是误导决策。

那么，数据治理就是对数据仓库的治理吗？

可以肯定的是，我们现在所说的数据治理就只是对数据仓库的治理，而是对企业数据资源的全面盘点和标准化，以形成企业级数据资产的过程，数据治理涉及了组织、标准、制度、流程、技术和工具等多个层面的内容。

根据DAMA-DMBOK2框架，数据治理涵盖了数据战略、元数据、数据质量、数据安全、主数据与参考数据、数据仓库与商业智能、数据集成、数据操作、文件和内容等10大领域。可见，数据仓库只是数据治理的一个应用。

04

再说这张图，

这两个治理结构，也没有“好或糟糕”。处在不同数据管理成熟度阶段，不同的行业、不同的业务特点、不同的发展需求，应选择不同的治理结构。