大數據治理計劃：如何確定團隊架構與工作指標？
海量、多元化的數據，為大數據時代下的數據治理帶來了許多新的挑戰。與此同時，數據治理的必要性也是有增無減——在此前的一篇文章中，我們曾討論過這個話題。為了實現提高數據質量，將數據價值最大化的總體目標，企業往往需要一個全面、詳盡且合理的數據治理計劃。
如何制定數據治理計劃?這無疑是一個復雜的工作。從數據的收集、處理、管理到使用，企業首先需要一個功能健全的IT系統平臺。此外，數據治理并不僅僅是IT團隊的工作，企業中所有與數據有關的涉眾，都應考慮到數據治理計劃中。一切與數據有關的行為，都應該有標準化的工作流程、操作規范。在計劃中，都應有所體現。
這篇文章中，我們將討論一部分更加具體的問題：數據治理團隊的組織架構、角色職責以及治理指標。在真正開始"治理數據"之前，這些問題都需要得到明確。
如何設計數據治理團隊的組織架構?
如上所述，數據治理是一項跨部門的工作，一個成功的數據治理計劃，都是需要從整個企業的層面去考慮，甚至可能需要跨越所有業務線、所有應用和所有功能領域。沒有這種全面的視角、沒有來自企業各個部門的支持，就很難實現數據治理的目標。
比如，只有對應領域的資深業務員才能更清楚地知道自己需要的是什么樣的數據，如何制定標準才能收集到更規范的數據。因此，一個數據治理團隊不應該僅僅是由IT人員組成的，在團隊建立之初，就需要考慮它的"多元化"。
目前，一個成熟的數據治理團隊的組織架構，通常包括：
- 由數據管理和數據治理專業人員組成的數據治理計劃團隊。團隊成員與業務數據主管一起制定相關策略和流程規范，并為整個組織中使用的數據(包括元數據)設置標準。
- 數據治理委員會。由來自所有業務領域，以及IT部門的高級領導代表組成。該委員會將對項目團隊制定的政策、實踐方法和標準進行審批。一般來說，不同業務領域的數據主管和管理員也都是由他們指定的。
- 來自每個業務領域的數據管理團隊。與數據治理團隊一起設計策略和實踐方法，并與來自IT專業人員一起實現。每個數據管理團隊都由業務數據主管領導，業務數據主管形成一個數據管理協調小組，致力于解決跨組的差異，并根據需要對某些定義或元數據進行細化。
當然上面只是一個粗略的架構，數據治理團隊更加具體的角色和職責，應根據企業的運營方式靈活變通，而不是僵化死板的。一般來說，業務人員與IT專業人員的協同應放在重要的位置。
如何制定數據治理工作指標?
制定數據治理計劃期間，如何衡量其工作進展和所帶來的業務收益，也是一項關鍵任務，同時更是一個巨大挑戰。數據治理團隊必須制定一組數據治理的工作指標，以便于向企業的高級管理層、業務主管展示數據。
改善數據質量是大多數治理計劃的首要任務，因此數據質量的度量，就成為了最廣泛使用的數據治理指標。數據質量指標一般需要涉及到數據的準確性、完整性、一致性和及時性等等。
此外，數據治理團隊還可以對其數據質量改進工作進行量化，例如發現和糾正的數據問題的數量，以及通過解決這些問題而獲得的業務收益。
具體的數據質量指標如下，僅作參考：
- 每個月或每個季度識別和修復的數據錯誤的數量
- 數據集的準確性和錯誤率(當錯誤率超過可接受水平時，發出警報)
- 數據完整性、一致性、完整性和及時性的度量
- 數據質量問題和修復后對業務產生影響的度量
- 數據定義、元數據和數據目錄的質量等級評估
- 調查數據和從最終用戶處收集的其他關于數據質量的反饋
值得關注的是，培養包括業務人員在內的所有數據涉眾的"數據意識"，也是數據治理的一個重要工作。幫助他們正確、規范地認識數據、了解數據、使用數據，將成為提高數據質量的一個重要助力。
因此，考察企業員工的數據意識，也需要相應的指標，例如：
- 業務人員進行的數據相關查詢的數量
- 數據洞察平臺的唯一登錄(即一個賬號只在一臺設備登錄)數
- 參加數據管理相關培訓活動的員工百分比
- 培訓活動結束后表示數據管理知識有所提升的員工百分比
- 表示自己的數據符合公司要求的數據所有者的百分比
通常來說，數據意識指標會同時包括定量測量和定性測量——基于的針對性用戶調查結果。
本文中，我們對數據治理團隊的架構和角色職責，以及相應的工作指標進行探討，并結合前人經驗，給出了一些參考性的意見。不過值得注意的是，由于數據治理涉及范圍較廣，應充分考慮到企業的獨特性，在致力于實現數據治理目標時，需要對癥下藥。
