起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識 數據治理為什么會失?。ㄉ疃绕饰觯?/h2>
在現代企業中，數據變得越來越重要，數據治理儼然已經成為現代化企業管理中不可或缺的一部分。本文總結了數據治理失敗的原因以及如何防止數據治理失敗的措施，希望對你有所幫助。
數據在現代企業中變得越來越重要，幾乎所有組織的業務運營和決策制定都依賴于數據，數據治理儼然已經成為現代化企業管理中不可或缺的一部分。最近和朋友聊到了企業的數據治理，談到了各自經歷中的一些數據治理工作經歷，成功的項目案例有，但項目失敗的案例卻不少。
據Gartner 的一項調查顯示，超過90%的數據治理項目都失敗了！實際上數據治理項目失敗的原因可以歸納為兩類：
第一類：強阻力型
企業大部分管理層對數據治理不認可，認為其耗時耗力，無價值或價值低。企業數據治理剛啟動，組織上就遇到各種阻礙，導致簡單的工作耗費大量時間，甚至停滯不前，導致數據治理工作無法推進而失敗。
第二類：短期支持性
數據治理項目已持續一段時間，項目啟動時紅紅火火，不僅數字化部門都認真學習了數據治理相關的優秀案例，甚至治理的項目已經觸達一把手，得到了高層領導的大力支持。數據治理理論學習培訓交流搞得紅紅火火，可過了一兩年后，內部人員從上到下失去了熱情，沒有了干勁。數字化工作也越來越虛，最后只剩下了無窮無窮的PPT轉型，理論一輪接著一輪，概念一個接著一個，會議一個接著一個，就不見落地，花費大量成本，對企業價值卻微乎其微，最終導致項目失敗。
聊到這些，很多項目參與者就會反問自己，我學習那么多數據治理的書籍，參加了那么多專業培訓，為什么依舊做不好數據治理。每個企業實際情況不一樣，應對方法也不一樣，結合很多企業數據治理過程中的問題，我們得出了相應的一些結論，分享給大家。
在談論數據治理的失敗原因之前，我們首先應該承認理論知識在數據治理中的重要性。數據治理的理論知識提供了框架、最佳實踐和指導原則，有助于組織建立堅實的基礎，確保數據的質量、一致性、可用性和合規性。
然而，理論知識只是數據治理成功的一部分，它需要與實際操作相結合。一個企業要真正做成一件工作，特別是治理，就是要打破一些以前的習慣，就是改革。
首先需要企業捫心自問：有沒有改革的動力，決心在哪里。需要打破原先的很多習慣或規則，就會涉及各方利益，會在后續的工作中不斷遭遇阻力，是否有足夠的決心去做這件正確而難的事項，這似乎是無法回避的。從治理工作的角度來看，我們來看看企業數據治理失敗的原因。
一、數據治理失敗的主要原因
數據治理成功的原因只有一個，那就是做好了治理過程的每一個步驟，而失敗的原因卻不盡相同，核心主要有以下四個方面沒做好。
1.1 缺乏明確的管理組織和角色
組織角色包含兩方面，一方面是整體管理組織的角色，另一方面是每個組織角色對于的人員的職責。
一套清晰的數據治理架構一般包含三層，數據管理決策組，數據治理協調組，數據治理執行組。而數據是一項企業級別以上的工作，是跨部門的工作，在建設選擇組織過程要充分考慮組織需要在公司級別，而不能僅僅停留在部門級別。比如非原生態企業的數據治理，就有數字化部分負責協調，這樣導致的結果是無法驅動業務，數據治理脫離企業經營，最終失敗是必然的。
另一方面是，在組織中選擇人員需要考量。
如今的就業市場高學歷人才越來越多，但高學歷并不代表適合企業，數據治理這項工作，技術上的難點其實已經不多，很多著名的國外企業技術及平臺已經提供了良好的開源基礎環境，治理這塊更多的困難在于業務與技術的融合。
在企業選治理人才方面，企業選擇應當優先考慮數據治理思維的人才，同時具有一定的技術工具基礎，這樣的人才在數據治理項目中能夠應對不斷出現的治理問題，既能夠融洽各方需求，將數據工作有效推動下去，同時也能有效的融合技術，邏輯性思維更強，實用效果更高。太強調技術會容易與業務脫節，太強調業務容易走向個性化極端，這需要兩者達成平衡。
1.2 選擇不可靠的數據平臺
數據治理工作，是一項大工程的工作，隨著大數據時代的到來，數據來源途徑增加，企業源源不斷的產生數據，這就需要一個性價比，比如一些國際廠商的平臺穩定性高一些，可是價格貴，而一些小平臺價格低一些，但是性能不好。對于數據平臺的選擇需要我們更應該看到的是底層架構的穩定性，這將影響到將來數據的使用與治理，比如阿里巴巴自研的國產的OceanBase就是一款不錯的分布式數據庫，已經被驗證效果非常好。
企業選擇有時可能盲目跟風采用炙手可熱的數據管理工具，而不是根據實際需求和情況來選擇。這可能導致不必要的成本和復雜性，從而降低了數據治理的形成的效果。
1.3 缺少有效培訓和數據思維不足
員工的培訓和意識提高在數據治理中至關重要。企業培訓往往喜歡聽一些高大上的數據理論，一方面這些理論要足夠新，這樣可以使用在匯報的材料，另一方面，高大上的東西本身具有超前性，落地性未知。
在目前情況下，我們更多缺少的不是數據理論，而是將這種有效的理論讓每一位員工實際應用在工作中，然而很多企業缺乏這種意識，不斷跟風市場熱點，造概念，并沒有把企業基礎數據思維培訓起來，培訓工作沒有做好，最終導致項目失敗。
一位央企數據治理的中層人員說到：“我們公司經常邀請外部做一些培訓，但是這培訓都是講一些高大上的理論，很少有外部專家講落地和實操，這些理論實際上網上都大同小異，反復聽了，學習了，發現已經無法落地，而本身企業內部人才很多，卻不具備這種實操能力的人。而我們希望請一些技術實操方面的顧問來講講，卻很少能夠請得到?！?/p>
確實這是一個數據治理企業培訓普遍存在的問題，我們都喜歡做一些方法論的工作，卻很少人喜歡做實操基礎性的工作，實質上很多高價值的項目，一定是從基礎工作累積起來的。
1.4 缺乏耐心和持續改進精神
數據治理需要不斷適應組織內外部環境的變化。一些組織采用一次性解決方案，而不具備適應性，不能應對不斷變化的市場需求和法規。這導致數據治理的停滯和失敗。一家企業，數據治理的年年在做，但是每次一年半載的就有領導換人，換個領導就會推翻原來領導的思路，A領導已經走過數據治理的1，2，3步驟，B領導接替工作時候，將從1重新開始，周而復始，永遠停留在前3步，企業的數據治理工作每年都做得都紅紅火火，幾年過去了，回過頭來就會發現，依舊在原地踏步。
該類企業缺少了一個持續改進的精神，遇到困難就推翻重做，這將導致技術無法沉淀，數據知識經驗無法積累，急功近利，項目失敗那是必然的。
二、該如何防止企業數據治理失敗
企業數字化趨勢是一個無法阻擋的趨勢，數字化最終的效果依賴于企業的數據資源，隨著數據資產相關政策的出臺，企業將會重新審視自身的數據資源價值，聘請合適的外部人才，打破企業內部的固有思維，提高數據治理的積極性，制定出對企業合適有效的數據治理目標和方法，這必然是企業數字化時代一個必須要跨過去的坎，雖然面臨的困難很多，但要相信辦法總比困難多，特別關注以下的關鍵點：
2.1 建立清晰的組織和責任
組織是數據治理工作的保證，是后續每一項工作能夠落實的必要條件，所以組織和職責的建立必須高效有力。組織必須明確定義責任人才能有效管理和監控數據質量、數據安全性和合規性。組織架構可參考如下圖：
2.2 選擇適當的技術工具
在選擇數據治理技術工具時，組織必須根據實際需求和情況進行評估，確保所選工具符合組織目標，避免不必要的復雜性和成本。
選擇合適的數據管理軟件產品對企業至關重要，因為它直接關系到數據的安全性、可靠性和有效性。以下是一些企業在選擇數據管理軟件產品時應考慮的關鍵要點：需求覆蓋度、軟件可擴展性及穩定性、數據安全性、數據產品操作性、數據集成能力、成本效率、售后支持服務等。
1）需求覆蓋度：了解企業的具體業務需求，確定數據管理軟件需要滿足的功能和特性。不同企業可能有不同的數據管理要求，例如數據集成、數據清洗、數據分析等。
2）軟件穩定性及可擴展性：選擇具有良好可擴展性的軟件，能夠適應企業數據量的增長和業務的擴展。軟件應該能夠處理未來的需求變化。評估軟件的性能和穩定性，確保它能夠在不同負載下運行并保持高可用性，以滿足企業的實際需求。
3）數據安全性：數據安全是企業的首要任務之一。確保數據管理軟件具有強大的安全功能，包括數據加密、身份驗證和訪問控制等。
4）產品操作性：選擇用戶友好的數據管理軟件，能夠方便企業員工使用。界面設計直觀，功能操作簡單，有助于提高工作效率。
5）數據集成能力：考慮軟件是否能夠與現有的系統和應用程序集成。能夠與其他軟件和硬件協同工作可以減少集成成本和提高整體效率。
6）成本效率：綜合考慮軟件的購買成本、維護費用以及培訓費用等因素，確保選擇的軟件是在長期內具有成本效益的。
7）售后支持服務：評估軟件供應商提供的技術支持和培訓服務。及時的技術支持和培訓可以幫助企業更好地理解和使用數據管理軟件。
可以做一些類似產品的需求分析，比如類似如下：
1) Microsoft SQL Server：適用于中小型企業，提供強大的數據庫管理和商業智能功能，并與其他Microsoft產品集成。
2) Informatica PowerCenter：強調數據集成和ETL（抽取、轉換、加載）功能，適用于需要復雜數據集成的企業。
3) Apache Hadoop：開源大數據框架，適用于處理大規模數據集的企業，具有良好的可擴展性。
4) Oracle Data Integrator (ODI)：針對數據集成和ETL任務，提供強大的數據管理功能，并與Oracle數據庫緊密集成。
在選擇數據管理軟件或框架技術時，應充分考慮自身需求和現狀，并可能進行試用和評估以確保所選軟件能夠滿足其期望和要求。
2.3 加強培訓，提高數據素養
加強企業的數據治理培訓，提高員工的數據素養，對于有效管理和保護企業數據至關重要，這應該成為數據治理計劃內容的一部分。員工需要理解數據治理的基本原則，并具備必要的操作技能，以有效地參與數據管理和保護。如制定常態化的培訓計劃，針對不同層級和崗位的員工，設計定制不同培訓內容。高層管理人員可能需要更深入的戰略性數據治理培訓，而操作人員可能更需要關注具體數據處理和安全操作的培訓。
要舉辦定期培訓活動，不僅要進行初始培訓，還要確保定期進行更新和再培訓。數據治理環境和法規經常發生變化，持續培訓可以確保員工始終了解最新最佳方案和法規。利用現代化的在線培訓平臺，如虛擬課堂、在線培訓模塊等，以提高培訓的靈活性和可訪問性，能讓員工可以靈活學習。
進行企業數據知識比賽：增加數據治理培訓后，可以舉辦有意義的數據知識競賽活動，或參加社會上的一些數據比賽。企業內部也可以鼓勵員工通過解決真實問題來理解數據治理的實際應用，將理論知識轉化為實際操作技能。
2.4 持續改進和適應性
數據治理策略必須具備適應性，以適應不斷變化的環境，數據治理環境和法規經常發生變化，企業應該讓員工始保持學習心態，了解最新的最佳實踐和法規。組織應不斷改進數據治理策略，確保它們能夠適應新的挑戰和法規。切記一言不合就推翻重做的思路，循序漸進才是治理的根本方法。
三、總結
數據治理是一件長期的工作，制定合理的目標期望也很重要，切勿不切實際，好大喜功，最終成本浪費了，效果甚微。數據治理需要長期落地實踐，只停留在理論層面是無法成功的。明確的角色和責任、適當的技術工具選擇、員工培訓和意識提高，以及持續的改進和適應性，都是實現成功數據治理的關鍵要素。
數據治理需要更強調實踐性，組織必須將理論知識付諸實踐。只有通過實際操作，組織才能面對和解決真實世界中的挑戰和問題。只有通過實踐，組織才能逐漸明確數據治理的角色和責任，選擇合適的技術工具，提高員工的培訓水平，以及不斷改進和適應不斷變化的需求。只有通過實踐，組織才能真正理解數據治理的真正意義，并發展出適合自身企業情況的最佳實踐。
“讀了那么多數據治理的書，依舊做不好數據治理”這不是個案問題，是很多企業的共性問題，我們可以通過個人的努力去推動組織和行業逐步解決這個普遍性問題。路在腳下，就看看每一個企業怎么走。
作者：賽助力；公眾號：老司機聊數據
本文由 @Data-one 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
更多精彩內容，請關注人人都是產品經理微信公眾號或下載App
在現代企業中，數據變得越來越重要，數據治理儼然已經成為現代化企業管理中不可或缺的一部分。本文總結了數據治理失敗的原因以及如何防止數據治理失敗的措施，希望對你有所幫助。
數據在現代企業中變得越來越重要，幾乎所有組織的業務運營和決策制定都依賴于數據，數據治理儼然已經成為現代化企業管理中不可或缺的一部分。最近和朋友聊到了企業的數據治理，談到了各自經歷中的一些數據治理工作經歷，成功的項目案例有，但項目失敗的案例卻不少。
據Gartner 的一項調查顯示，超過90%的數據治理項目都失敗了！實際上數據治理項目失敗的原因可以歸納為兩類：
第一類：強阻力型
企業大部分管理層對數據治理不認可，認為其耗時耗力，無價值或價值低。企業數據治理剛啟動，組織上就遇到各種阻礙，導致簡單的工作耗費大量時間，甚至停滯不前，導致數據治理工作無法推進而失敗。
第二類：短期支持性
數據治理項目已持續一段時間，項目啟動時紅紅火火，不僅數字化部門都認真學習了數據治理相關的優秀案例，甚至治理的項目已經觸達一把手，得到了高層領導的大力支持。數據治理理論學習培訓交流搞得紅紅火火，可過了一兩年后，內部人員從上到下失去了熱情，沒有了干勁。數字化工作也越來越虛，最后只剩下了無窮無窮的PPT轉型，理論一輪接著一輪，概念一個接著一個，會議一個接著一個，就不見落地，花費大量成本，對企業價值卻微乎其微，最終導致項目失敗。
聊到這些，很多項目參與者就會反問自己，我學習那么多數據治理的書籍，參加了那么多專業培訓，為什么依舊做不好數據治理。每個企業實際情況不一樣，應對方法也不一樣，結合很多企業數據治理過程中的問題，我們得出了相應的一些結論，分享給大家。
在談論數據治理的失敗原因之前，我們首先應該承認理論知識在數據治理中的重要性。數據治理的理論知識提供了框架、最佳實踐和指導原則，有助于組織建立堅實的基礎，確保數據的質量、一致性、可用性和合規性。
然而，理論知識只是數據治理成功的一部分，它需要與實際操作相結合。一個企業要真正做成一件工作，特別是治理，就是要打破一些以前的習慣，就是改革。
首先需要企業捫心自問：有沒有改革的動力，決心在哪里。需要打破原先的很多習慣或規則，就會涉及各方利益，會在后續的工作中不斷遭遇阻力，是否有足夠的決心去做這件正確而難的事項，這似乎是無法回避的。從治理工作的角度來看，我們來看看企業數據治理失敗的原因。
一、數據治理失敗的主要原因
數據治理成功的原因只有一個，那就是做好了治理過程的每一個步驟，而失敗的原因卻不盡相同，核心主要有以下四個方面沒做好。
1.1 缺乏明確的管理組織和角色
組織角色包含兩方面，一方面是整體管理組織的角色，另一方面是每個組織角色對于的人員的職責。
一套清晰的數據治理架構一般包含三層，數據管理決策組，數據治理協調組，數據治理執行組。而數據是一項企業級別以上的工作，是跨部門的工作，在建設選擇組織過程要充分考慮組織需要在公司級別，而不能僅僅停留在部門級別。比如非原生態企業的數據治理，就有數字化部分負責協調，這樣導致的結果是無法驅動業務，數據治理脫離企業經營，最終失敗是必然的。
另一方面是，在組織中選擇人員需要考量。
如今的就業市場高學歷人才越來越多，但高學歷并不代表適合企業，數據治理這項工作，技術上的難點其實已經不多，很多著名的國外企業技術及平臺已經提供了良好的開源基礎環境，治理這塊更多的困難在于業務與技術的融合。
在企業選治理人才方面，企業選擇應當優先考慮數據治理思維的人才，同時具有一定的技術工具基礎，這樣的人才在數據治理項目中能夠應對不斷出現的治理問題，既能夠融洽各方需求，將數據工作有效推動下去，同時也能有效的融合技術，邏輯性思維更強，實用效果更高。太強調技術會容易與業務脫節，太強調業務容易走向個性化極端，這需要兩者達成平衡。
1.2 選擇不可靠的數據平臺
數據治理工作，是一項大工程的工作，隨著大數據時代的到來，數據來源途徑增加，企業源源不斷的產生數據，這就需要一個性價比，比如一些國際廠商的平臺穩定性高一些，可是價格貴，而一些小平臺價格低一些，但是性能不好。對于數據平臺的選擇需要我們更應該看到的是底層架構的穩定性，這將影響到將來數據的使用與治理，比如阿里巴巴自研的國產的OceanBase就是一款不錯的分布式數據庫，已經被驗證效果非常好。
企業選擇有時可能盲目跟風采用炙手可熱的數據管理工具，而不是根據實際需求和情況來選擇。這可能導致不必要的成本和復雜性，從而降低了數據治理的形成的效果。
1.3 缺少有效培訓和數據思維不足
員工的培訓和意識提高在數據治理中至關重要。企業培訓往往喜歡聽一些高大上的數據理論，一方面這些理論要足夠新，這樣可以使用在匯報的材料，另一方面，高大上的東西本身具有超前性，落地性未知。
在目前情況下，我們更多缺少的不是數據理論，而是將這種有效的理論讓每一位員工實際應用在工作中，然而很多企業缺乏這種意識，不斷跟風市場熱點，造概念，并沒有把企業基礎數據思維培訓起來，培訓工作沒有做好，最終導致項目失敗。
一位央企數據治理的中層人員說到：“我們公司經常邀請外部做一些培訓，但是這培訓都是講一些高大上的理論，很少有外部專家講落地和實操，這些理論實際上網上都大同小異，反復聽了，學習了，發現已經無法落地，而本身企業內部人才很多，卻不具備這種實操能力的人。而我們希望請一些技術實操方面的顧問來講講，卻很少能夠請得到?！?/p>
確實這是一個數據治理企業培訓普遍存在的問題，我們都喜歡做一些方法論的工作，卻很少人喜歡做實操基礎性的工作，實質上很多高價值的項目，一定是從基礎工作累積起來的。
1.4 缺乏耐心和持續改進精神
數據治理需要不斷適應組織內外部環境的變化。一些組織采用一次性解決方案，而不具備適應性，不能應對不斷變化的市場需求和法規。這導致數據治理的停滯和失敗。一家企業，數據治理的年年在做，但是每次一年半載的就有領導換人，換個領導就會推翻原來領導的思路，A領導已經走過數據治理的1，2，3步驟，B領導接替工作時候，將從1重新開始，周而復始，永遠停留在前3步，企業的數據治理工作每年都做得都紅紅火火，幾年過去了，回過頭來就會發現，依舊在原地踏步。
該類企業缺少了一個持續改進的精神，遇到困難就推翻重做，這將導致技術無法沉淀，數據知識經驗無法積累，急功近利，項目失敗那是必然的。
二、該如何防止企業數據治理失敗
企業數字化趨勢是一個無法阻擋的趨勢，數字化最終的效果依賴于企業的數據資源，隨著數據資產相關政策的出臺，企業將會重新審視自身的數據資源價值，聘請合適的外部人才，打破企業內部的固有思維，提高數據治理的積極性，制定出對企業合適有效的數據治理目標和方法，這必然是企業數字化時代一個必須要跨過去的坎，雖然面臨的困難很多，但要相信辦法總比困難多，特別關注以下的關鍵點：
2.1 建立清晰的組織和責任
組織是數據治理工作的保證，是后續每一項工作能夠落實的必要條件，所以組織和職責的建立必須高效有力。組織必須明確定義責任人才能有效管理和監控數據質量、數據安全性和合規性。組織架構可參考如下圖：
2.2 選擇適當的技術工具
在選擇數據治理技術工具時，組織必須根據實際需求和情況進行評估，確保所選工具符合組織目標，避免不必要的復雜性和成本。
選擇合適的數據管理軟件產品對企業至關重要，因為它直接關系到數據的安全性、可靠性和有效性。以下是一些企業在選擇數據管理軟件產品時應考慮的關鍵要點：需求覆蓋度、軟件可擴展性及穩定性、數據安全性、數據產品操作性、數據集成能力、成本效率、售后支持服務等。
1）需求覆蓋度：了解企業的具體業務需求，確定數據管理軟件需要滿足的功能和特性。不同企業可能有不同的數據管理要求，例如數據集成、數據清洗、數據分析等。
2）軟件穩定性及可擴展性：選擇具有良好可擴展性的軟件，能夠適應企業數據量的增長和業務的擴展。軟件應該能夠處理未來的需求變化。評估軟件的性能和穩定性，確保它能夠在不同負載下運行并保持高可用性，以滿足企業的實際需求。
3）數據安全性：數據安全是企業的首要任務之一。確保數據管理軟件具有強大的安全功能，包括數據加密、身份驗證和訪問控制等。
4）產品操作性：選擇用戶友好的數據管理軟件，能夠方便企業員工使用。界面設計直觀，功能操作簡單，有助于提高工作效率。
5）數據集成能力：考慮軟件是否能夠與現有的系統和應用程序集成。能夠與其他軟件和硬件協同工作可以減少集成成本和提高整體效率。
6）成本效率：綜合考慮軟件的購買成本、維護費用以及培訓費用等因素，確保選擇的軟件是在長期內具有成本效益的。
7）售后支持服務：評估軟件供應商提供的技術支持和培訓服務。及時的技術支持和培訓可以幫助企業更好地理解和使用數據管理軟件。
可以做一些類似產品的需求分析，比如類似如下：
1) Microsoft SQL Server：適用于中小型企業，提供強大的數據庫管理和商業智能功能，并與其他Microsoft產品集成。
2) Informatica PowerCenter：強調數據集成和ETL（抽取、轉換、加載）功能，適用于需要復雜數據集成的企業。
3) Apache Hadoop：開源大數據框架，適用于處理大規模數據集的企業，具有良好的可擴展性。
4) Oracle Data Integrator (ODI)：針對數據集成和ETL任務，提供強大的數據管理功能，并與Oracle數據庫緊密集成。
在選擇數據管理軟件或框架技術時，應充分考慮自身需求和現狀，并可能進行試用和評估以確保所選軟件能夠滿足其期望和要求。
2.3 加強培訓，提高數據素養
加強企業的數據治理培訓，提高員工的數據素養，對于有效管理和保護企業數據至關重要，這應該成為數據治理計劃內容的一部分。員工需要理解數據治理的基本原則，并具備必要的操作技能，以有效地參與數據管理和保護。如制定常態化的培訓計劃，針對不同層級和崗位的員工，設計定制不同培訓內容。高層管理人員可能需要更深入的戰略性數據治理培訓，而操作人員可能更需要關注具體數據處理和安全操作的培訓。
要舉辦定期培訓活動，不僅要進行初始培訓，還要確保定期進行更新和再培訓。數據治理環境和法規經常發生變化，持續培訓可以確保員工始終了解最新最佳方案和法規。利用現代化的在線培訓平臺，如虛擬課堂、在線培訓模塊等，以提高培訓的靈活性和可訪問性，能讓員工可以靈活學習。
進行企業數據知識比賽：增加數據治理培訓后，可以舉辦有意義的數據知識競賽活動，或參加社會上的一些數據比賽。企業內部也可以鼓勵員工通過解決真實問題來理解數據治理的實際應用，將理論知識轉化為實際操作技能。
2.4 持續改進和適應性
數據治理策略必須具備適應性，以適應不斷變化的環境，數據治理環境和法規經常發生變化，企業應該讓員工始保持學習心態，了解最新的最佳實踐和法規。組織應不斷改進數據治理策略，確保它們能夠適應新的挑戰和法規。切記一言不合就推翻重做的思路，循序漸進才是治理的根本方法。
三、總結
數據治理是一件長期的工作，制定合理的目標期望也很重要，切勿不切實際，好大喜功，最終成本浪費了，效果甚微。數據治理需要長期落地實踐，只停留在理論層面是無法成功的。明確的角色和責任、適當的技術工具選擇、員工培訓和意識提高，以及持續的改進和適應性，都是實現成功數據治理的關鍵要素。
數據治理需要更強調實踐性，組織必須將理論知識付諸實踐。只有通過實際操作，組織才能面對和解決真實世界中的挑戰和問題。只有通過實踐，組織才能逐漸明確數據治理的角色和責任，選擇合適的技術工具，提高員工的培訓水平，以及不斷改進和適應不斷變化的需求。只有通過實踐，組織才能真正理解數據治理的真正意義，并發展出適合自身企業情況的最佳實踐。
“讀了那么多數據治理的書，依舊做不好數據治理”這不是個案問題，是很多企業的共性問題，我們可以通過個人的努力去推動組織和行業逐步解決這個普遍性問題。路在腳下，就看看每一個企業怎么走。
作者：賽助力；公眾號：老司機聊數據
本文由 @Data-one 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自Unsplash，基于CC0協議。
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
這個就跟每個接觸過高等教育的人一樣，同樣都上過學，為什么之后的差距那么大