企 业数 据 治 理 的 十 个 最 佳 实 践 1、找症状，明确目标 任何企业实施数据治理都不是为了治理数据而治理数据，其背后都是管理和业务目标的驱动
企业中普遍存在的数据质量问题有：数据不一致、数据重复、数据不准确、数据不完整、数据关系混乱、数据不及时等
由于这些数据问题的存在对业务的开展和业务部门之间的沟通造成了较大的困扰，产生了很大的成本；各异构的系统中数据不一致，导致业务系统之间的应用集成无法开展；数据质量差无法支撑数据分析，分析结果与实际偏差较大
然而要实现数据驱动管理、数据驱动业务的目标，没有高质量的数据支撑是行不通的
目标：企业实施数据治理的第一步，就是要明确数据治理的目标，理清数据治理的关键点
技术工具：实地调研、高层访谈、组织架构图
输入：企业数据战略规划，亟待解决的业务问题，经营发展需求，业务需求等； 输出：数据治理的初步沟通方案，项目任务书，工作计划表； 2、理数据，现状分析 针对企业数据治理所处的内外部环境，从组织、人员、流程、数据四个方面入手，进行数据治理现状的分析
某企业数据治理痛点分析 组织方面：是否有专业的数据治理组织，是否明确岗位职责和分工
人员方面：数据人才的资源配置情况，包括数据标准化人员、数据建模人员，数据分析人员，数据开发人员等，以及数据人才的占比情况
流程方面：数据管理的现状，是否有归口管理部门，是否有数据管理的流程、流程各环节的数据控制情况等；数据方面：梳理数据质量问题列表，例如：数据不一致问题，数据不完整，数据不准确、数据不真实、数据不及时、数据关系混乱，以及数据的隐私与安全问题等
目标：分析企业数据管理和数据质量的现状，确定初步数据治理成熟度评估方案
技术工具：实地访谈、调研表、数据质量问题评议表、关键数据识别方法论（例如：主数据特征识别法）； 输入：需求及现状调研表、访谈记录、数据样本、数据架构、数据管理制
