数据分析师课|新公布的3个实施数据治理项目的原因，这些细节你一定要注意

企业实施数据治理项目的原因是多样化的，笔者根据目前国内企业数据治理现状归纳总结了一下，原因主要体现在以下三个方面：数据质量方面、数据应用方面及其它方面。

1、实施数据治理项目的原因——数据质量方面

1)数据不一致

企业早期没有进行统一规划设计，大部分信息系统是逐步迭代建设的，系统建设时间长短各异，各系统数据标准也不同。企业业务系统更关注业务层面，各个业务系统均有不同的侧重点，各类数据的属性信息设置和要求不统一。另外，由于各系统的相互独立使用，无法及时同步更新相关信息等各种原因造成各系统间的数据不一致，严重影响了各系统间的数据交互和统一识别，基础数据难以共享利用，数据的深层价值也难以体现。

2)数据不完整

由于企业信息系统的孤立使用，各个业务系统或模块按照各自的需要录入数据，没有统一的录入工具和数据出口，业务系统不需要的信息就不录，造成同样的数据在不同的系统有不同的属性信息，数据完整性无法得到保障。

3)数据不合规

没有统一的数据管理平台和数据源头，数据全生命周期管理不完整，同时企业各信息系统的数据录入环节过于简单且手工参与较多，就数据本身而言，缺少是否重复、合法、对错等校验环节，导致各个信息系统的数据不够准确，格式混乱，各类数据难以集成和统一，没有质量控制导致海量数据因质量过低而难以被利用，且没有相应的数据管理流程。

4)数据不可控

海量数据多头管理，缺少专门对数据管理进行监督和控制的组织。企业各单位和部门关注数据的角度不一样，缺少一个组织从全局的视角对数据进行管理，导致无法建立统一的数据管理标准、流程等，相应的数据管理制度、办法等无法得到落实。同时，企业基础数据质量考核体系也尚未建立，无法保障一系列数据标准、规范、制度、流程得到长效执行。

5)数据冗余

各个信息系统针对数据的标准规范不一、编码规则不一、校验标准不一，且部分业务系统针对数据的验证标准严重缺失，造成了企业顶层视角的数据出现“一物多码”、“一码多物”等现象。

2、实施数据治理项目的原因——数据应用方面

企业信息化建设到了一定程度，开始对数据进行相关的展示、分析、应用等，进一步提高数据对企业统计分析和决策支持的力度，但是由于前期没有进行顶层设计，在大量业务系统建设过程中没有同步进行数据治理，出现许多上述数据问题，导致数据质量不高，数据分析结果不准，数据应用效果不佳，无法为企业的高效经营管理提供数据支撑，此时企业考虑启动数据治理项目了。

企业用户即使知道自己业务所需要的是哪些数据，也不能便捷、自助、及时的获取数据，相反，由于没有统一的专业数据管理平台，获取数据需要导出、梳理、校验、排重、核对等漫长的过程，导致业务分析的需求难以被快速满足，而在当今大数据时代，业务追求的是针对某个业务问题的快速分析，这样漫长的需求响应时间是难以满足业务需求的。

笔者见过很多大中型企业实施了商业智能(BI)，即运用数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。而往往这些企业非常重视数据治理工作，因为数据治理、元数据管理及其中的数据标准化是实现商业智能的重要环节，如果数据不一致、数据质量达不到要求，是无法进行数据集成和整合的，也就无法进行数据分析和数据挖掘，更谈不上商业智能了，数据治理的重要性可见一斑。

3、实施数据治理项目的原因——其它方面

1)咨询规划

企业在开展信息化顶层规划设计时，咨询厂商会提出系统架构和数据架构等方面的建设内容，数据架构需求的提出预示着企业数据标准化落地专业数据管理平台的诉求应运而生，完成咨询规划设计后，可以启动数据治理项目了。

2)二次治理

有的企业在早期就已开展了数据治理工作，甚至也建设了专业的数据管理平台，但是随着时间的推移，各个系统间的交互越来越紧密，还是发现了大量的数据质量问题，借助目前的系统和手段无法得到明显改善，于是企业再次启动数据治理项目，进行二次治理。这种情况下，笔者建议企业应首先找出数据质量不高的原因所在，是管理平台功能不完善，或是数据标准执行不到位，或是数据运维体系不健全等，应从多个维度去全面评估，为后续的二次治理做好铺垫。

3)被动治理

受到上层集团领导、政府部门相关管理要求或是“大数据”“物联网”“人工智能”等前沿IT技术大环境的影响，企业被动开展数据治理工作。此时，作为企业来讲，应该冷静慎重，杜绝敷衍了事。笔者建议企业应从内部管理和业务发展的角度出发重新审视数据治理的重要性，数据治理不是简单的一蹴而就，应着重考虑数据治理成果的长效性和数据质量的持久性。

以上就是有关于实施数据治理项目的原因的相关内容，以及相应的解析，不论你是已经入职数据分析师岗位的新人，还是打算进入数据分析岗位的小白，以上的内容都或多或少会对大家有所帮助，环球网校的小编在这里祝大家的数据分析师职业道路顺利。