数据治理“三驾马车”：数据目录、数据血缘与数据质量如何协同落地.docxVIP

数据治理“三驾马车”：数据目录、数据血缘与数据质量如何协同落地

不少企业的数据治理平台，看起来已经很完整了。数据目录里挂着几千张表，血缘图铺满整块屏幕，质量看板上也有红黄绿。可业务人员真要用一张表时，问题又回到了最原始的状态：这张表是什么意思？这个数字从哪来？今天的结果还能不能用？出了问题该找谁？最后，大家还是把产品经理、开发、业务专家和数据负责人拉进一个群里，靠人肉把答案拼出来。这说明企业拥有了三类工具，却未必形成了三项相互协同的治理能力。本文把数据目录、数据血缘和数据质量称为数据治理的“三驾马车”。这不是标准中的正式分类，而是一个便于理解的工作框架：数据目录解决“有什么、在哪里、谁负责”；数据血缘解决“从哪来、经过什么处理、影响到哪里”；数据质量解决“当前状态如何、能否满足具体用途、问题怎样闭环”。三者各自建设并不难。真正难的是，让它们围绕同一个数据对象说同一种语言。

阅读大纲

这篇文章主要回答三个问题：数据目录、数据血缘和数据质量分别要建设什么，不能只停留在哪一步；三者怎样通过对象、责任、版本、规则和问题记录连接起来；企业怎样从一个真实场景出发，形成能发现、能追溯、能整改、能复验的最小闭环。城市供水系统与数据治理的双线全景图

把企业数据治理比作一套城市供水系统先把一家企业想象成一座城市。数据像水，从业务系统、设备、文件和外部接口等“水源”产生，经过采集、加工、汇总和服务，最终