天天短讯！数据治理的七个误区，90%的公司都中招了（下）

(资料图)

工具是万能的很多客户都认为，数据治理就是花一些钱，买一些工具，认为工具就是一个过滤器，过滤器做好了，数据从中间一过，就没问题了。大家在做数据治理最容易忽视的就是组织架构和人员配置，但实际上所有的活动流程、制度规范都需要人来执行、落实和推动，没有对人员的安排，后续工作很难得到保障。一方面治理推广工作没人做，流程能否坚持执行得不到保障。

总结：做数据治理不是去逛逛shopping mall，选几样称心应手的工具回来就万事大吉了。开展好数据治理不能迷信工具，组织架构、制度流程、现场的实施和运维也非常重要，缺一不可。

数据标准难落地很多客户一说到数据治理，马上就说我们有很多数据标准，但是这些标准却统统没有落地，因此，我们要先做数据标准的落地。数据标准真正落地了，数据质量自然就好了。但这种说法其实混淆了数据标准和数据标准化。首先要明白一个道理：数据标准是一定要做的，但是数据标准化，也就是数据标准的落地，则需要分情况实施。要做数据标准，我们首先需要全面梳理数据标准。而数据标准的全面梳理，范围很大，包括国家标准，行业标准，组织内部的标准等等，需要花费很大的精力，甚至都可以单独立一个项目来做。所以，首先需要让客户看到梳理数据标准的广度和难度。

总结：数据标准落地难是数据治理中的普遍性问题，实施过程中需要区分遗留系统和新建系统，分别来执行不同的落地策略。

数据质量问题找出来了，然后呢？辛辛苦苦建立起来平台，业务和技术人员通力合作，配置好了数据质量的检核规则，也找出来了一大堆的数据质量问题，然后呢？半年之后，一年之后，同样的数据质量问题依旧存在。发生这种问题的根源在于没有形成数据质量问责的闭环。要做到数据质量问题的问责。

总结：数据质量问题的解决，要形成每一个环节都有确定责任人的闭环机制和反馈机制。

你们好像什么也没做？很多数据治理的项目难验收，客户往往有疑问：你们做数据治理究竟干了些啥？看你们汇报说干了一大堆事情，我们怎么什么都看不到？发生这种情况，原因往往有前面误区一所说的客户需求不明确。

总结：传统的数据治理工作不重视效果的呈现，我们做数据治理工作，一定要从需求开始，就想办法让客户直观地看到成果。

随着业务的运行，数据也在不断变化，因此各行业的数据治理也要不断优化。协会基于多个行业的数据安全服务经验，为您提供数据安全全流程的咨询、培训、申报、改善等服务，为后续的数据治理工作、数据应用提供有力保障。

详情咨询电话：18522423120;18302248315。