现今业界中的数据治理框架存在问题

当前，数据治理在业界被广泛应用，并且有一个主要框架。然而，这个框架并不完美，如果按照该框架执行数据治理，成功的可能性较小，而失败的可能性较大。这个框架主要包括六个目标和六项任务，分别是数据资产管理、主数据管理、数据标准管理、数据质量管理、数据安全和数据生命周期管理。这六个目标由三个模块支持，分别是组织与角色的变化与正确设计、制度与流程的设计以及技术和平台的选择。尽管这个框架很流行，但其本质上是治标不治本的，它没有深入研究数据问题背后的根本原因。如果不解决根本原因，整个框架只能解决表面问题，无法真正改善数据质量。

数据治理的目的及重要性

为了理解数据治理框架的局限性，我们首先需要明确数据治理的目的。只有弄清楚数据治理的目的，才能在商业战略和数据落地过程中找到存在的问题，并解决根本原因。以财务部门为例，其实际上通过建立审计部门来实现数据治理的目的。财务部门的会计工作依赖于会计和出纳员，但仅靠这两个人是不可行的。为了确保会计和财务工作正确进行，审计部门建立了财务制度和标准，并监督整个过程。同样，数据治理团队的角色类似于审计部门，他们的任务是管理数据生成流程，建立规章制度，并通过各种方法确保从业人员正确生成高质量的数据。因此，真正改善数据质量的关键是从业人员的行为变化，包括业务人员和开发人员等。数据治理并非仅仅是成立一个团队，让他们清理数据，而是通过管理者的管理者角色来管理整个数据生成流程。

企业架构对数据治理的影响

另外，企业架构对于数据治理也具有重要的影响。在数据治理的实施过程中，企业架构需要做出相应调整，以便更好地支持数据治理的目标。数据治理需要与企业的组织结构和角色进行协调，并确保正确的设计和变化。此外，制度与流程的设计对于保证数据质量也至关重要。在数据治理中，技术和平台的选择也是必不可少的因素。只有企业架构与数据治理相互契合，才能够取得良好的数据质量。

数据治理失败的原因分析

然而，数据治理可能会面临一些挑战导致失败。其中一个原因是缺乏对数据治理目的的清晰认识。如果没有明确数据治理的目标，很难找到问题的根本原因并采取恰当的解决措施。此外，数据治理往往被误解为一个项目，仅仅依靠几个专家来清理数据。实际上，数据治理需要改变从业人员的行为，只有这样才能真正提高数据质量。因此，数据治理不仅仅是一个项目，而是一种策略和文化的转变。

结论

综上所述，数据治理框架存在一些问题，而治标不治本的框架无法真正解决数据质量问题。要有效进行数据治理，首先要清楚数据治理的目的，即确保数据生成流程的正确性。此外，企业架构对于数据治理也具有重要影响，需要与数据治理目标相协调。最后，要认识到数据治理是一种改变行为的过程，需要从业人员的共同参与和支持。仅凭少数专家无法取得成功。通过正确的理解和实施，数据治理将成为企业提高数据质量的有效工具。