谈谈技术驱动的数据治理会产生什么问题
数据治理的最大问题在于技术 ，因为 技术决定了我们要优化的目标。这个过程可能是公开的，也可能是间接的，但确实会发生。 所以，您开始踏上数据治理之旅，或许是因为 了解它的价值，或许是因为您将其视为一项合规性任务，或许是因为人工智能的出现，您的组织意识到需要提高数据质量，而治理似乎已成为必需。您该从哪里开始呢？通常，一些共同的要素标志着一项计划或项目的启动，这些计划或项目将塑造您的数据治理体系。这些要素可能是：
根据项目的触发条件定义一些目标
组建团队
评估你的 愿景 和成熟度
制定数据管理政策、标准和程序的框架
设定角色和职责
问题是：在考虑实施之前，组织应该以及能够 如何清晰地定义这些内容？而此时，情况往往会发生转变：事情变得更加具体，需要实施 ，无论是安全策略、质量指标、元数据存储库等等。对于实施， 工具 供应商 喜欢提供指导，甚至共同定义竞争环境。这似乎是理所当然的。毕竟， 厂 商最了解自己的工具，不是吗？他们提供实施支持，并且通常将自己定位为数据治理专家。
但问题在于：供应商优化工具的功能，而不是 您的组织实际需要的数据治理功能。这种不一致通常会导致数据治理 工作 由于工具功能的原因，更多地关注策略执行，而非战略支持。
随着人工智能的发展，这个问题变得更加严重。我们已经听过很多次了：人工智能的好坏取决于它所输入的数据。以工具而非目的为中心进行优化的数据治理模式，只会延续“垃圾进，垃圾出”的经典陷阱，尤其是在机器速度和规模下。
可以将其视为 GIGO 链：规划不足+供应商优化实施+AI模型不透明=？
观点一：数据治理不是一种工具
供应商销售工具，而工具的构建是为了实施数据治理，而不是定义数据治理。因此，当供应商主导时，重点会迅速转移到：
元数据标记
规则执行
访问控制
监控仪表板
这些都是宝贵的能力，但 前提是 你必须明确治理数据的初衷。数据治理关乎的是数据在 企业信息 系统中使用方式的方向、监督和问责，而非工具配置。
我对数据治理的定义考虑到了这一点：
数据治理是一个以人为本的体系，通过该体系可以指导、监督企业信息系统中的数据资产，并要求组织对实现其既定目标负责。
这个定义并非始于工具，而是始于人和目标。工具是我们深思熟虑、经过深思熟虑的长期和短期选择的结果。短期选择基于业务需求、法规遵从性、市场条件和限制。长期选择则基于我们对组织的愿景。最后，同样重要的是：工具是确保问责和监督的一种方式，而不是定义问责和监督。
这是定义数据治理在现代组织中必须扮演的三个角色的基础 ：数据 总监 、数据主管和数据审计。这正是在组织中定义数据治理独立于执行 所需的。
观点二：治理不仅仅是执行制度
当数据治理实施变得由供应商主导或依赖于工具时，定义数据必须满足的要求很容易优化工 具性能。这可能是因为工具附带了域结构、元数据收集的预定义设置，或者例如需要确认数据产品的定义。
如果从工具入手，数据治理的重点将集中在执行策略上，而不是在业务目标、监管要求、市场压力和技术限制之间进行权衡。最终形成的治理框架将具备以下特点：
优先考虑合规性而非可用性
优化政策遵守情况而非创新
创建清单而不是培养数据文化
您最终可能会获得出色的执行工作流程，但对于所执行的内容或原因却没有共同的理解。
一旦人工智能成为流程的一部分，决策就会变得更快、更自主。此时，数据治理缺乏清晰度会造成系统性风险。肤浅的、供应商优化的、工具优先的数据治理模式只会加速“垃圾进，垃圾出”的循环。想想我们的 GIGO 链吧。突然之间，即使我们的数据治理实施已经为数据安全、数据质量、数据沿袭等制定了明确的规则，偏见也会被放大，错误会被扩大，责任也会被模糊，所有这些都是因为基本的数据治理框架从一开始就没有稳定地定义。
行动一：应该优化什么
所以这意味着你需要在转向工具之前投入一些工作。有效的、以人为本的数据治理需要：
1. 从目标开始
您的组织希望利用数据实现什么目标？您的愿景是什么？您必须管理哪些风险？您必须实现哪些价值？数据治理应该源于这些问题，而不是产品功能。
2. 建立监督机制，而不仅仅是监控和控制
明确谁拥有决策权、如何解决分歧以及如何追踪问责。数据治理是一套超越运营范畴的问责体系。这是一个治理主题，因此应该与公司治理方式保持一致。
3. 使用工具来实施和操作，而不是定义
一旦治理框架到位，工具可以加速执行。但它们必须服务于人为定义的数据治理系统，而不是相反。
4. 数据治理作为一个生命系统
数据治理并非一成不变。随着商业模式的演变、法规的变迁以及技术的涌现（例如人工智能），治理必须随之调整。这意味着需要不断反思、衡量和迭代，探究数据治理的核心原因，而不仅仅是如何进行。
行动二：不要外包困难的部分
事实是：定义数据治理并非易事。它涉及持续的艰难 沟通 、权衡利弊、相互冲突的激励机制以及文化变革。
这就是为什么人们倾向于让供应商填补空白，从实施开始，然后再逆向工作。但数据治理不能通过工具进行逆向工程。它必须由了解组织使命、风险和价值观的人员精心设计。
不要再把数据治理视为即插即用的功能，它是 企业数据驱动的核心，这个体系定义了机器与人之间的互联互通，需要指导、协商和问责。当你把它交给供应商时，你不仅仅是购买了一个工具，而是将你的价值观、方向和监督外包出去了。
本文来自微信公众号“数据驱动智能”（ID：Data_0101），作者：晓晓，36氪经授权发布。
