數據是企業在持續經營活動中積累下來的寶貴資產，數據本身以及圍繞數據所進行的活動必須得到管控，以確保在合理的成本范圍內數據價值充分發揮并進一步增值，實現投資回報最大化。

本文分析企業數據管理存在的突出問題和挑戰，對數據管理體系構成、建設原則、建設關鍵點、演進策略提出一些建議，力圖為企業建立或完善本企業的數據管理體系提供一些參考。

背景和問題

信息技術進步使信息化成為企業發展和快速擴張的有效支撐手段，多年來，國內外各行各業分別建設了適合本企業的信息系統，如生產支撐型、業務支撐型、管理支撐型，以及分析決策型系統等；與此同時，隨著全球經濟發展、市場競爭加劇、新技術的推陳出新和逐漸商用，信息系統所承載的業務內涵、系統規模和數量和復雜性也在不斷攀升。

林林總總的這些信息系統，在長期使用中積累、沉淀了大量的核心業務數據，如客戶資料、營銷策劃內容、產品資料、合作伙伴、合同契約、企業資源、進銷存、生產、工程建設、財務數據等，這些既是企業的關鍵信息，也是企業的核心資產，如果不對數據生命周期全過程加以管治，將可能帶來多方面問題，例如：

數據安全問題：數據的不恰當使用可能泄漏企業機密，導致企業在競爭中失利，危及企業生存和發展；另外國內外對上市企業也有相關法律要求，例如美國《Sarbanes-Oxley法案》和我國《企業內部控制基本規范》，均提出上市公司的內控管理必須切實做到保護財務數據、維護系統安全、保護客戶數據免遭盜竊與破壞，以提高公司披露的準確性和可靠性等。

價值發揮問題：面對眾多信息系統，如果缺乏完整、一致的企業數據視圖，業務部門將不知道企業內哪些系統擁有自己所需的數據；用戶在不知道數據質量狀況或明知數據不可靠的情況下，不可能放心使用數據，無從根據數據作出正確判斷、決策和快速響應。這些都將遏制數據價值的完整釋放。

數據升值問題：在數據質量有保障的前提下，對企業的大量歷史數據采用商業智能、數據挖掘、預測能技術手段，能從數據中發現事物發展的深層次規律，例如客戶偏好、收入預測、客戶流失傾向預測等，為企業提供經驗總結和預見性的業務支撐；另一方面，良好的數據管理機制將在企業內形成良好的知識共享和傳承體系，促進企業的人才培養和組織進步，實現數據增值。反之，數據的零散分布、數據歧義、低劣的數據質量，以及制度和平臺的缺乏，將嚴重遏制數據價值的進一步發揮和增值。

成本效率問題：

如果缺乏對數據的一致理解，將影響跨系統、跨部門、跨專業的需求溝通和信息共享，提高企業的溝通成本和建設成本；如果對貫穿企業的錯綜復雜的數據流缺乏直觀、完整認識，那么系統故障、數據問題的快定位難以實現；數據權責的不明確，將導致問題解決中系統之間、部門之間的相互推諉和扯皮。所有這些，都最終體現為信息系統對業務的支撐不力，業務部門將越來越質疑企業對信息化的投入……

綜上所述，企業數據從產生、加工、傳遞到使用、銷毀的全過程，應得到專門管控，獲得組織和制度保障，明確數據生命周期過程的相關權責，實施體系化、制度化、流程化、規范化、標準化管理，確保數據生產、使用的全過程受控。

而這些，都是企業數據管理體系的范疇，其目的是最終實現數據對企業的投資回報最大化。

企業數據管理面臨的挑戰

我國各行各業（特別是大型企業）近年來逐漸意識數據管理的重要性和意義，開始或正在建設企業數據管理體系，不約而同都面臨一些重大挑戰，如：

管理方面：缺乏覆蓋全企業、跨業務線條、跨部門、跨系統的統一數據管控體系，信息在創建、傳輸、加工、使用過程中的角色、職權分工不清晰，需要建立明確的信息責任人制度、有效的措施及配套的考核辦法；

流程方面：對于需求響應、問題處理和日常運行維護工作的推進，缺乏跨部門、跨團隊的流程定義，將難以高效整合相關資源形成系統建設的合力；

規范方面：缺乏跨部門、跨系統的統一的業務規則、數據標準，不同業務部門之間、業務部門與技術部門之間、技術團隊之間，存在溝通和理解的歧義，需求從提出到實現存在前后不一致的風險；

技術方面：數據管控工作缺乏有效的平臺支撐，事件類型眾多、處理復雜，人工處理效率低下，并且難以跟蹤和評估。

企業數據管理體系建設

數據管理體系構成

根據國際數據管理組織提出的數據管控框架，數據管控體系由規范、組織職責、流程三大模塊組成。

通過多年來為客戶實施數據管理的項目實踐，我們認識到，成熟的信息化技術有能力、有必要為管控工作的高效開展提供能力支撐，我們建議對國際組織提出的數據管控框架進行擴展，將平臺支撐作為其中不可缺少的一部分。擴展后的數據管理體系構成如下圖：

數據管理體系圖

首先，數據管理體系的框架是穩定的，自上而下由管控目標、管控對象、管控措施、組織/規范/流程和管控平臺構成；同時，整個管控體系應適應企業戰略和總體業務目標需要，呈螺旋式上升、持續演進，是動態變化的。

管控目標：服務于企業戰略和業務目標，因此隨著戰略和業務的發展，數據管控，不同時期的數據管控目標將有變化、關注點不同。通常，管控目標將提出建立統一的企業數據管理中心，明確數據職責和流程，以數據價值最大化為己任。

管控對象：隨著管控目標演變，各時期關注的管控也相應調整，分階段納入不同類型、不同范圍的管控對象。例如，在初期重點管理企業數據中心的元數據和基本的數據質量，之后管理業務指標體系、業務需求和完善數據質量，后續將主數據、數據生命周期納入管理，最后管控范圍從企業數據中心擴展至企業其它信息系統。

管控措施：對不同管控對象在不同階段采取進化的管控措施，如與需求流程結合的元數據變更管理、自檢與第三方檢查結合的數據質量監控、基于數據實時性需求的主數據同步、應用生命周期管理、數據生命周期管理、數據安全保障、數據審計、周期評估、總結報告等。

組織/規范/流程/制度：建立可適應管控目標演進、責權明確的組織架構；結合企業實際情況及未來發展需要，制定相關管控制度、規范，如數據保密制度、元數據管理規范、數據質量管理規范、主數據管理規范；以規范為框架，梳理相關流程，如元數據管理流程、數據模型管理流程、數據質量管理流程等。

IT支撐：即采用信息技術手段建設數據管控平臺，承載數據管理的相關能力，形成企業統一信息視圖，承載相關管理流程，對各管控對象進行監控預警，支撐故障處理、知識總結、評估優化等管控工作。IT支撐平臺的建設，首先應提高管控效率、降低管控成本，在此基礎上幫助數據增值。

數據管理體系建設原則

企業數據管理體系建設是系統工程，不可能一蹴而就，建設過程需遵循相關原則，以下是一些關鍵原則：

總體規劃、分步實施：數據管理工作是長期的，應立足長遠做總體規劃，同時結合實際分布實施，避免不切實際的一步到位。

需求驅動、價值優先：各階段管控目標應結合本階段實際需要，合理安排資源，優先滿足最迫切需求，體現對企業的實用價值，避免片面求大求全或激進。

目標指引、整體帶動：應始終圍繞管控目標，完善組織、制度、規范、流程和支撐平臺，實現目標驅動的整體上升效應；管控體系是演變的。

借鑒和定制化：借鑒業界先進經驗，采用成熟的實施方法，與本企業實際需求融合，確保先進性和實用性。

先固化再優化：各種制度、規范、流程，形成后應先固化有個適應期，在執行過程中積累經驗、總結教訓后再階段性優化，避免隨意調整。

數據管理體系建設關鍵點

企業數據管控涉及大量跨業務、跨部門、跨系統的工作，實施過程需著重保障以下關鍵點落實到位：

高層領導的重視和支持是數據管控體系建設的重要保障

從企業高層到基層，需要清晰認識到數據管控工作開展涉及到方方面面，并不僅僅是技術層面的問題；數據管理是長期過程，不可能一步到位，需持續完善。因此，必須將其上升到企業戰略管理層面，獲得企業高層領導的重視與支持，確保數據管控目標和方向的正確性、相關資源能及時到位、重大沖突或問題能有效協調。

職能集中化的數據管控組織是保證數據管控體系正常運轉的關鍵

在業界數據管控的最佳實踐中，無一例外具有一支專門的、穩定的團隊，負責企業內的數據處理與管理工作。該團隊一部分分布在業務條線上，實時支持業務線的管理和經營；一部分集中在后臺負責管理企業級的數據整合，兩部分人員緊密溝通，統一行動。從數據管控的發展趨勢來看，該團隊必須進一步轉型為固定的權責明確、職能集中的數據管控組織機構，賦予執行各種數據管理活動和數據增值服務的責任和權力，以支撐業務發展戰略和運營管理兩方面的目標。

數據管控工作需與企業的業務流程結合

數據管控與企業業務目標的實現密切關聯，企業必須建立融合于業務流程的數據管控流程。為了實現業務目標，業務部門、支撐部門都對數據負責，職責清晰，業務方面保證需求質量、指標口徑的清晰，支撐部門進行響應需求和申告/投訴、整合數據、監控應用和數據質量。

數據管控需要企業文化層面的支持

數據質量保證與產品質量保證一樣，需要企業文化的支撐；在數據管控的建設初期，可以考慮將數據質量納入績效考核的重要內容，以促進數據質量意識和控制文化的培育。

數據管理體系演進策略

如上文所述，企業數據管理體系在框架穩定的基礎上不斷迭代完善，下面提供了一個演進路線案例供參考。具體企業的演進階段劃分、演進路線設計，應結合本企業實際需要來制定。

數據管理體系演進路線參考圖

結束語

企業數據管理體系的建設是系統化工程，涉及于眾多源系統的交互和大量協調工作，必須有數據管控平臺來有效支撐這些工作，保障數據管控的可行、高效。

同時，平臺建設不等同于整個體系就建設好了，企業還需成立相應組織，制定相關流程、制度、規范，并將管控工作落到實處、通過平臺運轉起來。

也就是說，數據管理體系在投入運作前，必須進行需求分析、規劃、設計、平臺開發。對于這些工作，建議企業引入具有實際實施經驗的專業咨詢公司，可以通過行業標桿、業界經驗的引入開拓視野、確保高度，又能確保所設計的管理體系是切實可行的、能落地執行。