在数据资产化的讨论里,治理常被放在最后,实际它应该排在最前。原因很直接:权属可以靠登记证明,成本可以靠核算归集,但如果数据本身质量不过关、口径不统一、来源说不清,前面两件事都做不实。治理是资产化的地基。治理的投入产出常被质疑,因为收益不直接。可行的衡量方式是设几个可观测指标:核心表字段完整率、跨系统口径一致率、数据问题平均闭环时长、共享申请平均审批时长。四个指标按季度看趋势,改善能说明治理有效。指标定得虚,比如“提升数据质量”,就无法判断成效。治理项目的验收标准应写成可核对的条目,比如字段完整率达到多少、口径冲突清零。治理的验收条目要能抽检,比如随机抽十张表核对字段与口径,抽不中就说明台账失真。治理清单要能对应到具体表与字段,不能只写“提升客户数据质量”。
治理要解决四类问题:一是“有没有”,字段缺失、表结构混乱;二是“准不准”,重复、错值、口径冲突;三是“从哪来”,血缘不清、加工过程不可追溯;四是“谁能用”,权限粗放、共享无边界。四类问题不解决,登记时描述写不实,入表时成本算不清。组织安排上,建议设三层角色:数据 owner 对一类数据的质量与合规负责,通常是业务部门负责人;数据 steward 负责日常维护与问题处理,通常是业务骨干;数据管理委员会负责跨部门协调与规则制定。三层齐备,责任才落得下去。只有制度没有角色,制度就停在纸上。元数据登记建议设最小字段集:含义、来源、更新频率、责任人、敏感级别。元数据维护要定更新责任,字段变更时同步改说明,否则半年后没人看得懂。字段变更的审批建议走线上流程,留痕后才能追溯责任。
落地顺序建议从主数据与元数据开始。主数据统一客户、产品、区域这些核心对象的编码,元数据把每张表的含义、来源、更新频率登记在册。这两件事做完,后面的质量规则与血缘分析才有依托。跳过这一步直接上质量平台,通常只能查出问题,改不动问题。工具选择不必求全。起步阶段,元数据管理与质量校验两类工具最实用,前者让数据可查,后者让问题可发现。血缘分析与主数据管理可以随后补。很多企业一上来就采购大平台,结果只用了两三个功能,投入产出不划算。质量问题的闭环要有台账,记录发现时间、责任人、修复时间、复核结果。质量问题的工单要有时限,超时升级到上级,否则问题会沉淀下来。问题工单超时升级要设两级,一级给部门负责人,二级给数据委员会。
质量规则要可执行,不能只写“要求准确”。可行的写法是把规则变成校验:手机号格式、金额区间、时间先后、跨表一致性,每条规则对应一个自动化检查与一个责任人。检查结果按周汇总,问题闭环才算治理有效。治理与确权的衔接点在于描述能力。登记要求写清数据描述、来源、权利内容,这些信息本来就该由治理体系维护。治理做得好的企业,登记材料往往能直接从元数据系统导出;治理欠账的企业,每次登记都要重新梳理一遍。这个差别在多个项目上体现得很明显。跨部门数据共享的审批,建议按敏感级别分档,低敏自动放行、高敏人工审。跨部门共享的审批分档能显著提升效率,低敏数据自动放行可省掉大量等待。共享审批分档的阈值要写进制度,比如是否含个人信息、覆盖多少人。
资信树在做治理项目时,会先做一次“资产化可用性评估”:抽二十张核心表,看权属是否清晰、字段是否完整、更新是否及时、是否有明确责任人。四项打分,低于阈值的先治理,达标的才进入确权与入表流程。这个顺序能避免把脏数据做成“资产”。资信树在治理项目中通常先做“最小可用治理”:选三到五张影响最大的表,把字段、口径、责任人、更新频率定清楚,跑三个月看效果,再扩范围。资信树在集团客户项目上也采用这种渐进方式,避免一次性铺开导致失控。资信树在治理项目上会先做一次“口径对齐会”,把争议字段当场定下来。资信树会先开一次口径对齐会,把争议字段当场定标准,会议纪要作为依据。口径对齐会的结论要形成文档,作为后续开发与取数的依据。
治理是长期活,不是一次性项目。组织、制度、工具三样缺一不可:谁负责、按什么标准、用什么工具,都要落到纸面。资信树在服务客户时反复强调,治理做得好,后面每一步都会变轻;治理欠账,后面每一步都要返工。治理还有一层隐性价值:它为后续所有数据工作降低了沟通成本。口径统一了,跨部门讨论不用先花半小时对齐定义;责任人明确了,问题不用层层上报。这些收益不进报表,但每个参与的人都感受得到。资信树在集团项目中会要求治理成果能直接支撑登记材料。资信树在集团项目上要求治理成果能直接导出为登记材料。治理成果导出为登记材料时,要先核对描述与实际数据是否一致。


