数据治理是现代企业数字化转型的关键环节，但其目标往往因企业性质和需求而异。本文从不同视角出发，探讨了数据治理的预期目标，包括ToB厂商、咨询公司以及有实际业务的公司对数据治理的不同理解和需求

当我们说数据治理的时候，希望通过数据治理达到什么目标？

不同的站位，会有不同的角度，提到数据治理时，最终想达到的目标也不同。

一、从不同的角度来看，提到数据治理的预期目标都有何不同

如果是一个ToB的厂商，在说数据治理的时候，大概率说的是一套数据治理工具，他不会提组织架构、业务流程、规章制度等等。仅仅提供了一套数据治理的工具产品，这套工具按照模块可能有数据标准模块、数据安全模块、数据血缘模块、数据质量模块、数据指标等等模块。

如果是一个咨询公司，在说数据治理的时候，可能会涉及组织架构如何设置，需要发布哪些规章制度，需要怎么样的战略目标等等一堆PPT或者文件。所以，如果是一家咨询公司，那么他提到数据治理的时候，更多的就是规章制定，战略目标，组织调整。

那如果是一家有实际业务的公司那，当一家公司说要进行数据治理的时候，一定不会像ToB厂商一样，只在公司内部部署落地一套工具产品就可以。也不会像咨询公司一样，拿回一堆，政策文件、战略PPT。

他们想要的应该是，把全公司的数据提升数据质量，打通数据孤岛，提升数据安全，进而发挥数据价值。

或者说只要是数据的问题，就想通过数据治理给解决掉。这当然是一个既要又要还要的预期。但是也不能说完全不对，毕竟只有像数据管理那样真正的作用于数据了，提升了数据质量，才有可能去真正产生价值。而有实际业务的公司，只看最终价值产出。

结合上一章节，我们区分数据管理和数据治理的区别的时候，会发现，这时候想要的其实就包括了数据管理，又包括了数据治理。甚至可以说主要是进行数据管理，只不过是通过数据治理制定的一些组织、制度来更加规范的进行数据管理的整个过程。

所有我们在确定战略目标的时候，就需要符合这个预期目标。可能和真实的数据治理的范围不一致。（另外，如果这一段你觉得理解不是特别明确，强烈建议看看上一章【数据管理和数据治理的区别？】）

但也不用感觉似乎两者区分不开，或者两者能够完全分开。就像抬脚走路，当脚抬起之后，抬多高，抬向什么方向，抬多远，就是数据治理。而脚落下，就是数据管理。抬起、落下，抬起、落下，不间断的配合才能到远方。

二、个人理解的数据治理目标

所以，个人理解的数据治理目标是什么？

在理清目标之前，先看看数据治理都能做什么，虽然说数据治理似乎包罗万象，但是真正落地实施还是需要有一个范围的，在这个范围内一步一步的执行的。而这个范围就是能做什么。

个人觉得数据治理需要围绕着以下9个模块，在5个维度上梳理清楚，就是数据治理能做什么，也即数据治理的目标了。

这9个模块是：数据目录、数据源、数据架构、标准、质量、指标、安全、价值、文化。

而5个维度是：组织、政策、工具、业务、数据。

也就是说**能够对这9个模块，能够从5个维度上来进行说明清楚了，即达到了数据治理的目标。**即说明清楚需要的组织架构，需要怎样的政策，政策的奖惩都有什么，需要怎样的工具来实际落地政策，需要业务怎么梳理清楚，需要怎么明白数据流向。

按照数据治理在9个模块中5个维度上的梳理说明的内容，实际落地的过程，即是数据管理。

这9个模块不需要一步到位，不需要通过一个项目，一下在每个模块都涉及。可以分步骤、分节奏的来。比如致力于数据质量的数据治理，致力于数据目录数据的数据治理，致力于安全合规的数据治理等等，致力于数据架构的数据治理，致力于数据价值确定的数据治理，等等。按照侧重点进行阶段性的治理。

每个模块相互之间既独立，又有一定的关联性。做每个模块都需要知道下个模块的关联。

后续会详细介绍这9个模块，每个模块也都会围绕这5个维度，也会以雷达图的形式，来展示每个模块在这5个维度上的分值，每个维度使用5分制，分值越到体现这个维度越重要。

所以，给数据治理下一个自己的目标定义，就是围绕9个模块，每个模块确定需要的组织、政策、工具、业务、数据的整个过程，即为数据治理。

组织、政策、工具、业务、数据，都是手段，通过这些手段在9个模块中进行说明，就是数据治理的目标。按照这些说明进行实操。就是数据管理了。

三、总结

本章说了个人对于数据治理的一个定义，以及目标。算是给数据治理框定了一个范围。是非常个人的一个定义，也抛弃了比较难以理解的特别大的词，仅仅从个人角度角度来定义的。

下一章我们看看如果要启动数据治理，需要一个怎样的契机。数据治理绝对不是平地起高楼，也不能为了数据治理而进行数据治理，而是非常需要一个合适的契机，通过这个契机解决一个痛点或实现一个业务目标，来更好的推动。这个契机包括了时间、事件、人物，这个契机个人认为，是数据治理成功与否的“地利”条件。