本文基于主数据驱动的数据治理框架，分享数据治理五个阶段的过程架构以及对应的任务·角色·分工·职责，希望能为在企业数字化转型之路上负重前行的同仁带来一定的参考价值。
之前在《数据治理：企业信息化的核心基础性工作》一文中和各位介绍了主数据驱动的数据治理框架。
今天就接上回，和大家分享下在主数据驱动的数据治理框架下的数据治理过程。
一般来说，我们可以将主数据治理的任务分解成为5个阶段，即架构阶段、主数据治理阶段、业务数据治理阶段、分析数据治理阶段、优化治理阶段。每个阶段都分为分析、设计、执行、评估4个基本环节，循环迭代，推动阶段任务的达成。
上述过程框架通过将复杂的数据治理任务进行阶段性任务划分，分解成为较小的独立子集，进而增强数据治理的可实施性，有利于企业管理者进行整体规划和安排。
同时，该数据治理过程架构可根据企业的整体战略和治理目标进行灵活剪裁，以满足不同企业数据治理的不同要求。其中架构阶段和主数据治理阶段是数据治理的基础，一般企业实施数据治理项目都需要从架构和主数据治理开始；而业务数据治理阶段、分析数据治理阶段、优化治理阶段则可根据企业实际需要灵活选择。
架构阶段是数据治理的准备阶段。
对于主数据管理成熟度的评估可以分为初始、可重复、已定义、已管理、优化、创新六个级别。每个成熟度级别是一个完备的进化阶段，反映企业主数据管理能力所能到达的水平。
每个级别的主数据管理水平将作为下一更高级别的基础，成熟度不断升级的过程也就是企业主数据管理水平不断积累的过程。
主数据治理、业务数据实力、分析数据治理、优化治理4个阶段只是治理的对象和工作范畴存在差别，但其过程框架具有相似性，可互相参考。
在设计阶段，为有效支持数据治理的开展，需要高效、灵活的技术架构和信息管控工具作承载数据标准和数据模型。
在主数据驱动的数据治理框架下，数据治理的技术架构如下图所示：
同时以工作引擎的方式提供一系列通用工具，包括但不限于：
数据治理组件也通过数据交换平台实现数据导入导，通过数据管控平台完成和其他平台的协调。
数据交换平台和数据管控平台以总线化的方式提供了可扩展的数据通道和控制通道，而工作引擎则实现了数据治理组件的能力扩展。
数据治理是一项复杂的任务，仅仅依靠企业IT部门难以完成，往往需要专业的外部咨询服务和开发人员的辅助。
因此，需要在过程框架中澄清各方的分工和职责，以便配合。以主数据治理阶段为例，数据治理过程中的任务、角色、分工、职责如下：
专栏作家
耳海听潮，微信公众号：弈呓（ID:YiYi_TANG7980)，人人都是产品经理专栏作家。一个做过运营、数据、产品的互联网从业者，企业数字化转型的推进者。
本文原创发布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。