业务部门刚提交完一份客户分析报表发现里面的客户数量和CRM系统里的数据对不上。销售团队认为“是不是数据平台同步出了问题”IT部门检查接口、任务和数据链路后发现系统运行一切正常。数据部门继续排查最后才发现真正的问题并不是技术故障而是几个部门对于“有效客户”的定义根本不一样。类似的问题在很多企业都反复发生。在具体讨论职责之前如果企业正在搭建数据治理体系或者准备重新梳理数据标准、数据质量和跨系统的数据链路可以先参考这套《数据仓库建设解决方案》。里面涉及数据治理体系、数据集成、数据仓库、数据开发等常见建设场景对于理解业务规则如何进入数据处理流程以及不同治理环节怎样相互衔接都有参考价值。需要的可以自取https://s.fanruan.com/7igmg复制到浏览器数据治理真正合理的分工应该是业务部门对数据的业务含义和源头质量负责IT部门对技术实现和系统运行负责数据部门对治理体系和跨部门协同负责管理层对重大规则和利益冲突作最终决策。但这几个职责具体怎么划分很多企业其实还没有真正想清楚。一、数据治理为什么不能全部交给IT很多企业启动数据治理项目第一反应就是交给IT部门。毕竟ERP、CRM、MES等业务系统都由IT维护数据采集、接口开发、同步加工也离不开技术支持。但问题在于IT能解决数据的技术问题却不能替业务部门决定数据的业务含义。比如企业要统一“有效客户”的统计口径。CRM里有10万个客户ERP里有8万个经营分析报表里却只有6万个。究竟哪个数字才对IT可以检查接口是否漏传、客户编码是否重复、计算逻辑是否有误但无法独立决定有效客户究竟是注册客户、成交客户还是过去12个月发生过交易的客户这些涉及实际经营管理的规则必须由业务部门确认。否则IT即使花大量时间清洗数据、统一字段最后也可能因为业务口径不一致而反复返工。数据的业务定义不能由技术部门单方面决定数据治理的责任也不能全部压在IT身上。IT真正应该负责的是将已经确认的业务规则落实到系统和数据链路中包括字段映射、编码统一、数据同步、质量检查和技术异常处理等。说到底业务部门决定数据应该是什么样IT部门负责让这些规则在技术层面准确执行。只有把这条责任边界划清楚数据治理才不会陷入业务提问题、IT反复改、最后谁都不满意的循环。二、业务部门数据从哪里产生治理责任就要从哪里开始数据治理最容易被忽略的一点是很多数据问题其实在数据进入数据平台之前就已经产生了。销售人员在CRM中重复录入客户信息采购人员新增供应商时没有按照统一规则填写编码仓库人员办理出入库后没有及时更新单据状态。这些问题进入数据仓库以后可能表现为客户重复、供应商信息冲突、库存账实不符。但它们的源头并不在数据仓库。即使IT通过数据清洗暂时修复了问题只要前端业务流程不改变类似错误仍然会不断出现。所以业务部门在数据治理中至少需要承担两类责任。第一类是业务规则的定义责任。什么是有效订单什么时候确认销售收入客户等级如何划分库存呆滞天数从哪个时间点开始计算这些规则必须由真正理解业务流程、掌握管理要求的人员参与制定和确认。尤其是跨部门指标不能让某个部门单方面确定口径就直接作为全公司标准使用。销售部门按订单签订日期统计业绩财务部门按照收入确认规则统计收入两者本来就可能存在差异。数据治理的目标不是强迫所有部门使用同一个数字而是明确不同指标的业务含义、适用范围和计算边界。第二类是源头数据的质量责任。客户资料缺失、合同状态不准确、物料编码重复这些问题最终都需要回到实际业务流程中解决。业务部门不能只反馈“数据不准确”还要找到问题产生的环节明确录入规范、审核要求和整改责任。为了让这些质量要求真正得到执行可以由业务部门确定关键字段的完整性、唯一性等检查规则再通过FineDataLink 5.0 的数据检测能力对接入和加工过程中的相关数据进行检查及时发现缺失、重复等异常并由对应业务责任人进一步核实和整改。技术手段负责帮助发现问题业务部门负责从源头解决问题。如果只在数据平台里反复清洗却不调整前端业务流程数据质量就很难持续改善。当然业务部门也不需要承担所有技术问题。数据已经正确录入业务系统却在同步和加工过程中发生丢失就应该由技术部门排查处理。因此更合理的分工是业务部门负责业务定义和源头质量技术部门负责数据准确、稳定地传递和加工双方共同参与结果验证。三、IT部门不仅要把数据接进来还要保证规则真正执行明确业务部门的责任以后IT是不是只需要提供系统支持当然不是。企业数据治理涉及大量技术工作而且这些工作直接决定了数据标准和质量规则能不能真正落地。举个例子。集团已经统一了供应商编码规则要求所有子公司按照统一编码管理供应商。但实际情况是不同子公司使用的ERP版本不同有的采用内部编号有的按照历史编码管理还有的直接使用供应商名称。业务部门可以确定统一的编码规范却不可能依靠人工每天把不同系统的数据整理一遍。这时候就需要IT将治理规则落实到具体的数据集成和加工过程中。借助FineDataLink 5.0可以将ERP、CRM等不同业务系统的数据接入统一的数据处理流程在数据开发过程中完成字段映射、格式转换以及编码统一等处理将业务部门已经确认的数据规则落实到实际的数据加工任务中。数据标准只有真正进入数据生产流程才能从一份管理要求变成每天都在执行的规则。但技术责任并不止于把数据成功传输到目标系统。很多企业已经建立了任务监控接口失败、调度异常都可以发出通知却仍然会出现经营报表数字错误的情况。原因在于任务运行成功只能说明技术执行过程没有触发预设的失败条件并不代表最终数据一定符合业务要求。例如一张订单表平时每天新增10万条记录某一天突然只有3万条。数据同步任务可能正常结束字段格式也全部正确但其中可能已经存在严重的数据缺失。因此IT还需要配合业务和数据部门将数据量波动、字段完整性、主键唯一性以及关键业务规则等检查嵌入日常运行过程。这些检查也可以通过FineDataLink 5.0 的数据检测能力落实到日常任务中对关键数据的缺失、重复和异常波动等问题进行检查。发现异常后再结合任务运行情况和数据来源进行排查尽量在问题进入核心经营分析环节之前发现并处理。这类技术工作的价值不只是减少人工核对数据的时间更重要的是让数据质量管理从事后排查逐渐转向日常检查。对于系统变更、字段调整和任务下线也需要提前评估下游影响。IT在数据治理中的核心职责就是保证业务规则能够得到技术执行保证数据链路稳定运行并在出现异常时提供可靠的排查和修复手段。四、数据部门不是替所有部门清洗数据而是建立一套长期运行的治理机制既然业务部门负责数据定义IT部门负责技术执行那企业为什么还需要专门的数据部门因为职责分清楚了不代表治理工作就能自动衔接起来。比如业务规则发生变化相关的数据标准、数据模型和经营报表可能都需要同步调整。如果缺少统一协调很容易出现各部门各管一段、整体衔接不畅的问题。这正是数据部门的核心职责统筹跨部门的数据治理工作推动各项治理活动形成完整闭环。一方面要建立统一的治理规则和管理流程。例如数据标准怎样申请和审批元数据由谁维护数据质量异常怎样分派重要数据资产如何认定数据变更如何评估下游影响。另一方面要推动这些规则真正进入日常工作。以数据质量管理为例数据部门不能只统计某个月发现了多少条异常更重要的是推动形成一条完整的处理链路异常发现 → 问题归类 → 责任确认 → 原因分析 → 修复整改 → 结果验证。例如销售分析报表出现客户数量异常。数据部门首先需要判断问题来自业务定义、源头数据、数据加工还是指标计算再协调对应责任部门处理。如果属于CRM录入问题就推动销售部门修正源头如果属于同步任务异常就协调IT进行修复如果属于统计口径不一致就组织相关业务部门重新确认规则。而且随着企业数据链路越来越复杂仅靠人工询问和排查很难持续管理这些问题。例如数据部门收到某个销售指标异常的反馈需要知道这个指标使用了哪些数据表、经过哪些加工任务、最终来自哪个业务系统。如果每次排查都要人工查任务、翻代码、找开发人员确认数据链路越复杂定位问题就越困难。通过FineDataLink 5.0 的数据血缘分析可以查看数据表、开发任务、管道任务以及API之间的依赖关系沿着上下游链路逐步排查帮助定位异常可能出现的环节。对于准备调整的数据表或任务也可以提前检查已纳入血缘管理的下游依赖减少变更对其他数据应用造成的影响。数据部门真正负责的是治理体系能不能建立、责任机制能不能运转、跨部门问题能不能持续得到解决。如果一家企业成立了数据治理办公室却把它变成专门整理Excel、核对报表和清洗历史数据的团队那么随着业务规模扩大这个部门很快就会陷入无穷无尽的救火工作。五、责任分清以后还要有人拍板、有人落实明确了业务、IT和数据部门的职责数据治理就一定能顺利推进吗未必。很多企业的问题在于部门职责写得很清楚但真正遇到跨部门争议时却没有人能够作出决定。集团要统一客户主数据销售关注实际交易客户财务关注合同、开票和收款主体各区域公司又有自己的编码规则。各部门都有业务依据难以达成一致。这时候IT可以负责系统改造数据部门可以组织协调但涉及集团统一规则和部门利益调整最终仍然需要有决策权限的业务负责人或管理层拍板。所以数据治理不仅要明确谁负责还要明确谁有权决定、谁负责执行、谁来验收。日常数据质量问题由对应责任部门处理跨部门争议通过统一机制协调重大事项由管理层决策。同时将责任落实到具体人员形成问题发现、责任分派、整改处理、结果验收的管理闭环。至于成立独立的数据部门还是设立跨部门治理委员会可以根据企业实际情况决定。组织形式不是关键关键是业务规则有人确认技术问题有人处理跨部门争议有人拍板整改结果有人验收。写在最后企业判断数据治理有没有做好不能只看制定了多少标准、盘点了多少数据资产、配置了多少质量规则。更应该关注的是当数据出现异常、业务规则发生变化或者新系统接入时原有的治理机制还能不能正常运转。数据治理不能变成IT一个部门的技术任务也不能变成数据部门独自承担的考核任务更不能让业务部门只提需求、不承担数据责任。业务部门负责把规则和源头数据管好IT部门负责把规则落实到系统和数据链路中数据部门负责推动整个治理机制持续运行管理层则为跨部门决策提供必要的支持好的数据治理不是给每一个数据问题找一个背锅的部门而是让每个问题从产生、发现到解决都有明确的责任人和处理机制。当企业不再需要为“数据到底归谁管”反复开会时数据治理才算真正走上正轨。