数据治理职能是指导所有其他数据管理领域的活动。数据治理目的是确保根据数据管理制度和最佳实践正确地管理数据。

而数据管理的整体驱动力是确保组织可以从其数据中获得价值，数据治理聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式。

DMBOK2认为数据治理是数据管理中的一项内容，对于数据治理（Data Governance，DG）的定义是在管理数据资产过程中行使权力和管控，包括计划、监控和实施。在所有组织中，无论是否有正式的数据治理职能，都需要对数据进行决策。建立了正式的数据治理规程及有意向性地行使权力和管控的组织，能够更好地增加从数据资产中获得的收益。数据治理通过建立一个能够满足企业需求的数据决策体系，为数据管理提供指导和监督。《DAMA数据管理知识体系指南（原书第2版）》

对比本公众号此前所发《现代企业制度视角下的国有企业公司治理与企业管理》，治理是任务运作的一种制度构架，是引领任务发展方向的一种基本安排。而管理是在这种基本的构架和安排下，通过计划、组织、控制、指挥、协调和评价等功能的具体实施来实现任务的目标。

本文继承DAMA-DMBOK中对于数据管理、数据治理的定义，认为数据治理是规划和指导的行为，而数据管理是落地或执行计划的行为。 一个是勾勒出高楼大厦的蓝图或架构，另一个则是建造它。

数据治理是对数据管理的计划、监督、推进。数据治理是企业顶层设计、战略规划方面的内容，是数据管理活动的总纲和指导，它指明数据管理过程中有哪些决策要制定、由谁负责，更强调组织模式、职责分工和标准规范。

数据治理职能是指导所有其他数据管理领域的活动。目的是确保根据数据管理制度和最佳实践正确地管理数据。

而数据管理的整体驱动力是确保组织可以从其数据中获得价值，数据治理聚焦于如何制定有关数据的决策，以及人员和流程在数据方面的行为方式。

数据治理项目的范围和焦点依赖于组织需求，但多数项目都包含战略、制度、标准和质量、监督、合规、问题管理、数据管理项目、数据资产估值等内容。

为了实现这些目标，数据治理时将制定制度和实施细则，在组织内多个层次上实践数据管理，并参与组织变革管理工作，积极向组织传达改进数据治理的好处以及成功地将数据作为资产管理所必需的行为。

战略（Strategy）。定义、交流和驱动数据战略和数据治理战略的执行。

制度（Policy）。设置与数据、元数据管理、访问、使用、安全和质量有关的制度。

标准和质量（Standards and Quality）。设置和强化数据质量、数据架构标准。

监督（Oversight）。在质量、制度和数据管理的关键领域提供观察、审计和纠正等措施（通常称为管理职责Stewardship）。

合规（Compliance）。确保组织可以达到数据相关的监管合规性要求。

问题管理（Issue Management）。识别、定义、升级和处理问题，针对如下领域：数据安全、数据访问、数据质量、合规、数据所有权、制度、标准、术语或者数据治理程序等。

数据管理项目（Data Management Projects）。增强提升数据管理实践的努力。

数据资产估值（Data Asset Valuation）。设置标准和流程，以一致的方式定义数据资产的业务价值。

GB/T 34960.5《数据治理规范》融合了DAMA（国际数据管理协会）、GDI（国际数据治理研究所）、IBM等机构在数据治理方面的精髓，用一个结构清晰的框架对数据治理体系进行了概况。

首先，在数据治理目标方面，本标准将组织数据治理目标总结为运营合规、风险可控、价值实现三个层面，组织应根据自身的业务需求进行选择。安全合规是基础，在安全合规的基础之上实现数据价值实现体系，促进数据资产化和数据价值实现。

第二，在数据治理框架方面，本标准的数据治理框架主要包含四个部分内容：顶层设计、数据治理环境、数据治理域和数据治理过程。组织进行数据治理应对内外部的业务需求、技术环境、竞争环境等现状做好调研的和评估，并在此基础之上进行愿景、目标、蓝图的数据战略设计。

第三，在数据治理域方面，本标准将数据治理域按照应用维度的不同划分为数据管理体系和数据价值体系两大体系。其中，数据管理体系：围绕数据标准、数据质量、数据安全、元数据管理和数据生存周期等，开展治理。评估、指导、监督；数据价值体系：围绕数据流通、数据服务和数据洞察等，开展治理。评估、指导、监督。

第四，在数据治理实施方面，本标准对数据治理的实施方法进行了总结，主要包含：统筹和规划、构建和运行、监控和评价、改进和优化四个步骤。

顶层设计：包含数据相关的战略规划、组织构建和架构设计，是数据治理实施的基础。

数据治理环境：包含内外部环境及促成因素，是数据治理实施的保障。

数据治理域：包含数据管理体系和数据价值体系，是数据治理实施的对象。

数据治理过程：包含统筹和规划、构建和运行、监控和评价以及改进和优化，是数据治理实施的方法。

顶层设计

1.战略规划：数据战略规划应保持与业务规划、信息技术规划一致，并明确战略规划实施的策略，至少应：

• 理解业务规划和信息技术规划，调研需求并评估数据现状、技术现状、应用现状和环境；
• 制定数据战略规划，包含但不限于愿景、目标、任务、内容、边界、环境和蓝图等；
• 指导数据治理方案的建立，包含但不限于实施主体、责权利、技术方案、管控方案、实施策略和实施路线等，并明确数据管理体系和数据价值体系；
• 明确风险偏好、符合性、绩效和审计等要求，监控和评价数据治理的实施并持续改进。

2.组织构建组织：构建应聚焦责任主体及责权利，通过完善组织机制，获得利益相关方的理解和支持，制定数据管理的流程和制度，以支撑数据治理的实施，至少应：

• 建立支撑数据战略的组织机构和组织机制，明确相关的实施原则和策略；
• 明确决策和实施机构，设立岗位并明确角色，确保责权利的一致；
• 建立相关的授权、决策和沟通机制，保证利益相关方理解、接受相应的职责和权利；
• 实现决策、执行、控制和监督等职能，评估运行绩效并持续改进和优化。
• 
  

3.架构设计：架构设计应关注技术架构、应用架构和架构管理体系等，通过持续的评估、改进和优化，以支撑数据的应用和服务，至少应：

• 建立与战略一致的数据架构，明确技术方向、管理策略和支撑体系，以满足数据管理、数据流通、数据服务和数据洞察的应用需求；
• 评估数据架构设计的合理性和先进性，监督数据架构的管理和应用；
• 评估数据架构的管理机制和有效性，并持续改进和优化。

数据治理环境

1.内外部环境：组织应分析业务、市场和利益相关方的需求，适应内外部环境变化，支撑数据治理的实施，至少应：

• 遵循法律法规、行业监管和内部管控，满足数据风险控制、数据安全和隐私的要求；
• 遵从组织的业务战略和数据战略，满足利益相关方需求；
• 识别并评估市场发展、竞争地位和技术变革等变化；
• 规划并满足数据治理对各类资源的需求，包括人员、经费和基础设施等。

2.促成因素：组织应识别数据治理的促成因素，保障数据治理的实施，至少应：

• 获得数据治理决策机构的授权和支持；
• 明确人员的业务技能及职业发展路径，开展培训和能力提升；
• 关注技术发展趋势和技术体系建设，开展技术研发和创新；
• 制定数据治理实施流程和制度，并持续改进和优化；
• 营造数据驱动的创新文化，构建数据管理体系和数据价值体系；
• 评估数据资源的管理水平和数据资产的运营能力，不断提升数据应用能力。

数据治理域

1.数据管理体系：组织应围绕数据标准、数据质量、数据安全、元数据管理和数据生存周期等，开展数据管理体系的治理，至少应：

• 评估数据管理的现状和能力，分析和评估数据管理的成熟度；
• 指导数据管理体系治理方案的实施，满足数据战略和管理要求；
• 监督数据管理的绩效和符合性，并持续改进和优化。
• 
  

2.数据价值体系：组织应围绕数据流通、数据服务和数据洞察等，开展数据资产运营和应用的治理，至少应：

• 评估数据资产的运营和应用能力，支撑数据价值转化和实现；
• 指导数据价值体系治理方案的实施，满足数据资产的运营和应用要求；
• 监督数据价值实现的绩效和符合性，并持续改进和优化。

数据治理过程

1.统筹和规划：明确数据治理目标和任务，营造必要的治理环境，做好数据治理实施的准备，包括：

• 评估数据治理的资源、环境和人员能力等现状，分析与法律法规、行业监管、业务发展以及利益相关方需求等方面的差距，为数据治理方案的制定提供依据；
• 指导数据治理方案的制定，包括组织机构和责权利的规划、治理范围和任务的明确以及实施策略和流程的设计；
• 监督数据治理的统筹和规划过程，保证现状评估的客观、组织机构设计的合理以及数据治理方案的可行。

2.构建和运行：构建数据治理实施的机制和路径，确保数据治理实施的有序运行，包括：

• 评估数据治理方案与现有资源、环境和能力的匹配程度，为数据治理的实施提供指导；
• 制定数据治理实施的方案，包括组织机构和团队的构建，责权利的划分、实施路线图的制定、实施方法的选择以及管理制度的建立和运行等；
• 监督数据治理的构建和运行过程，保证数据治理实施过程与方案的符合、治理资源的可用和治理活动的可持续。

3.监控和评价：监控数据治理的过程，评价数据治理的绩效、风险与合规，保障数据治理目标的实现，包括：

• 构建必要的绩效评估体系、内控体系或审计体系，制定评价机制、流程和制度；
• 评估数据治理成效与目标的符合性，必要时可聘请外部机构进行评估，为数据治理方案的改进和优化提供参考；
• 定期评价数据治理实施的有效性、合规性，确保数据及其应用符合法律法规和行业监管要求。

4.改进和优化：改进数据治理方案，优化数据治理实施策略、方法和流程，促进数据治理体系的完善，包括：

• 持续评估数据治理相关的资源、环境、能力、实施和绩效等，支撑数据治理体系的建设；
• 指导数据治理方案的改进，优化数据治理的实施策略、方法、流程和制度，促进数据管理体系和数据价值体系的完善；
• 监督数据治理的改进和优化过程，为数据资源的管理和数据价值的实现提供保障。

（全文完）