在数字化转型的浪潮中，数据治理已成为企业不可忽视的核心议题。然而，面对这一庞然大物，许多企业和数据管理者往往感到无从下手。本文深入探讨了数据治理的边界问题，分析了数据生产者、数据加工者和数据消费者三个参与方的角色与责任，以及数据治理的两种边界范围。

面对数据治理，不知道其他人什么感受，我的感受好像面对一个庞然大物，无从下手。似乎有很多的事情需要做，但是具体做哪些？先做什么，再做什么？有没有牵一发而动全身的那个关键节点？如何能够做到有阶段性产出？怎么顺利进行推进？等等，似乎问题比答案要多。

如果说第一个需要达成共识的，目前，个人认为，数据治理的第一步是确定要治理的边界。

一、数据的三个参与方

如果按照数据流向，数据一共有数据生产者、数据加工者、数据消费者，这三个参与方。

数据生产者就是产生数据的业务系统。数据加工者，就是进行清洗、建模、加工的数据部门，一般是数据中台部门。数据消费者，就是最终使用清洗、加工好数据的部门，可以是业务部门，也可以是分析部门。

二、数据治理的两种边界范围

这里所说的确定数据治理的边界，是要确定，仅针对数据加工者所涉及的范围进行治理，还是也要包括数据生产者所涉及的范围。

换句话说，是仅仅对业务系统产生数据后，导入到数据中台的数据进行治理，即入湖后的治理。还是对业务系统产生数据时，在导入数据中台之前就开始治理，即入湖前的治理。

从名字上来说，要进行企业级的数据治理，那么我们当然既要入湖前的治理，又要入湖后的治理了。但是实例情况是这两种治理在难度上、流程的、沟通范围程度等等差别还是挺大的。都说数据像水流，这种入湖前的数据治理，就像一条河的下游，要求河上游进行治理，可想而知难度了。

第一种，入湖后的数据治理，主要是数据中台（假设是数据中台进行牵头）为主，其他业务部门辅助。第二种包含入湖前的数据治理，却是真正的全公司都需要进行系统适配、改造了。华为据说已经达成了，入湖前和入湖后的治理，在业务系统上线发布前，都必须符合数据治理的一些标准，质量要求，如果不符合不允许系统上线。

如果在数据治理项目初期就说，我需要进行入湖前和入湖后的全局数据治理，我需要全公司的配合改造，大概率是不会成功的。这时候经常会听到“数据治理是一把手工程”，但是个人感觉，一把手怎么支持，支持什么。真要无脑支持影响了业务系统谁负责。毕竟，数据治理 在目前来看还是属于锦上添花阶段。

而且，目前的感觉，一个明确的、可成功的路径似乎并不是完全清晰的。

当然，这并不是说不需要领导的支持，领导的支持在数据治理过程，个人认为算是一个天时的条件（后续还会说到地利、人和）。而是说明确路径之后，才能让领导支持，让领导给人、给钱、给时间，并要控制好预期。

大部分时候支持都是有条件的，需要先看到成功的希望，才能得到支持。

三、是否做入湖前的数据治理

那就完全不进行入湖前的数据治理了吗？倒也不是。而是说在开始的时候，只做入湖后的数据治理，之后通过问题驱动，通过场景驱动来逐渐的渗透到入湖前的数据治理，来影响业务，实现全局数据治理。

问题驱动好理解，就是哪天发现哪个数据出现不一致了，口径无法统一，值没有办法对齐，原因是因为某个系统数据经常有异常，这个时候，就可以通过这个问题来驱动业务进行导入数据中台前的数据治理，也就是对业务系统进行数据治理。通过错误数据，来倒逼源头系统的数据质量改善。

当然，这个过程都需要有工具监控，有工具支撑。能够让业务系统使用工具灵活的配置相关的监控规则。而不是人工进行操作，后续也没有办法进行效果统计。这个就涉及到工具准备了。而且在工具之上还需要有政策规范，通过工具来落地。还要有对应的组织人力，能够响应负责这件事情。

另一个，就是通过场景驱动。通过一个比较重要的场景，公司内部一直有对不齐的口径，相同的指标，你说这个值，我说这个值。或者是关键主数据信息，就是不能跨系统拉通，如：人员、地址等等。这个时候，通过一个场景，来协调不同组织的人，按照同一个规范，使用工具进行口径的统一。如将公司内不同系统的地址数据统一，将公司内不同系统采集的人员建立ECIF打通一致。

这种场景驱动的治理，每一个都会是一个比较大的系统工程。像上面说的ECIF就是一套独立的系统来做用户主数据的打通。

采用这种逐步改进的形式来影响业务，实现将入湖前的系统数据治理的目标。

而且，先进行入湖后的数据治理，也有一个原因，通过入湖后的治理这个动作，来增加数据中台部门和业务的沟通交流，以及信任。能够让业务知道，正在做的事情是一件什么事情，从行动层面影响业务，而不是让业务觉得这件事情可做可不做，甚至有抵触情绪。

四、总结

本章主要说了下，个人理解的数据治理时，需要第一个确认的问题：数据治理的边界问题。在开始的时候，主要针对入湖后的数据进行治理，而后不断通过，问题驱动、场景驱动的方式进行入湖前的治理，从而实现全局的治理。

确认了数据治理的边界之后，在继续介绍数据治理内容之前，我们先说一下数据管理和数据治理的区别。通过确定这两个概念的不同含义，进而更好的理解数据治理是个概念。