作为一名数据专业人士，你可能会遇到一些最让人沮丧的数据治理对话。这些对话常常围绕着数据项目被视为一系列的限制因素，而非战略性推动力；或者说，你的工作被认为是在拖慢业务发展，而不是在促进卓越表现。作为在三家财富500强公司中领导数据转型的负责人，我听到过不少类似的反馈意见。在我看来，这其实是一种反馈——一种表明我们在用“数据的语言”说话，而没有从利益相关者的角度出发，创建一个以价值创造为核心的商业案例的反馈。相反，我们呈现的商业案例更多地聚焦于数据需求，而非业务需求。
从利益相关者的角度来看，推动业务发展的力量是多种多样的：通过销售团队产生收入、向现有和潜在客户进行营销、应对经济因素以及供应链挑战。数据虽然是这些关键业务要素的一部分，但它并不是利益相关者首先想到的事情。数据嵌入在业务运作中，是日常工作的一部分。它不应该，也不会让人感觉像是一个独立的职能部门。
因此，我们的职责是为业务服务，并让我们所支持的业务利益相关者感觉到这一切都是无缝衔接的。当事情变得有摩擦感时，并不一定意味着我们得不到支持；而是因为我们只是领导者们面临的众多问题之一。这通常表现为缺乏认同或抵制、看似无穷无尽的问题，或者仅仅是缺乏参与感。对于数据专业人士来说，这样的对话往往以挫败感和数据治理项目的资金不足而告终。我在各种组织中亲身经历过这种情况，并且从各行各业的数据高管那里听到了类似的经历。太多的时候，这种情况最终导致首席数据与分析官在组织中难以立足。
问题是，为什么会这样？
在接下来的17章中，我将解释为什么首席数据与分析官未能在组织中确立自己作为战略性业务合作伙伴的地位，以及如何克服这些常见的陷阱并取得成功。我将涵盖建立数据治理案例所需的一切，如何激励组织支持你，如何部署强大的数据治理计划，如何利用核心数据治理解决方案，并将这些内容应用于一个虚构的金融机构案例研究中。让我们开始吧。
你可以学到什么
在整本书中，我承诺会坦诚直率地分享我的经验，我们将从一个强有力的起点开始：治理项目的失败，是因为我们的失败。我们未能以一种能够让业务利益相关者理解的方式来解释数据治理。我们没有深入且全面地理解我们的解决方案如何推动业务成功。简而言之，我们未能从业务价值的角度进行解释。相反，我曾有幸与之共事过的最成功的数据高管之所以能够成功，是因为他们对自己的公司有着深刻的理解。他们花费时间深入了解业务，制定了能够推动业务成功的数据解决方案，并且成功地从业务成果而非数据成果的角度解释了这些解决方案的好处。
当我们深入探讨这些主题时，我不会假设你已经有了实施成功的数据治理项目的经验。我将从基础开始，首先为你打好定义和基础能力的根基，然后逐步讲解如何启动一个成功且有影响力的项目，涵盖那些能够引起高层管理人员乃至董事会共鸣的成功衡量标准。最终，我们将完成一个案例研究，将所有内容整合在一起。到本书结束时，你将拥有启动项目并在你自己的组织中卓越执行所需的一切。不再会有你的组织被数据压得喘不过气，却又因缺乏洞察力而感到失望的情况。我们将共同改变这一叙事。
在本章中，我们将从数据治理的基础入手，探讨它与相关能力的关系。然后，我们将定义数据治理计划的组成部分，解释每个部分的重要性，以及为什么我们将数据治理视为业务价值的推动者。后续章节将深入探讨数据治理计划的基本能力以及如何实施这些能力。
我们将涵盖以下主要主题：
- 什么是数据治理？
- 什么在推动数据治理需求的增加？
- 数据治理组件的简要概述
- 数据治理作为战略推动力
- 为你的公司建立商业案例
- 何时以及为什么要启动数据治理计划
什么在推动数据治理需求的增加？
当我与各行业的数据专业人士会面时，显而易见的是，数据治理比以往任何时候都更加重要。高管们对数据的期望越来越高，但如果没有适当的投资，响应业务需求的速度比以往任何时候都更加困难。
那么，为什么要以业务的速度响应高管的需求变得越来越困难？这里有几个关键因素，其中包括以下几个方面的持续增长：
- 数据量：今天的数据比昨天更多（每天都是这样！）。事实上，数据量每两年就会翻一番。然而，我们不能指望将我们的努力或人员配备、技术支出也翻倍。
- 法规：监管环境在不断变化，增加了对数据处理方式的期望。在撰写本文时，美国已有六个州通过了隐私和数据保护立法。这增加了数据处理合规性的复杂性。
- 期望：高管们的期望在不断提高，但我们对数据的使用却没有相应增加。根据最近的Tableau调查，超过80%的首席执行官希望他们的组织以数据为导向，但只有不到35%的员工认为他们的数据在决策中得到了使用。
- 用户群体：比以往任何时候都有更多的人在使用数据，他们希望数据能为他们所用，但又需要信任这些数据。这使我们的治理专业人员处于一个可以为组织提供可信、良好治理的数据的位置，从而增加了巨大的价值。
我们必须变得更加创新，更加嵌入，利用比以往更多的技术（如自动化和人工智能）。我们谈论这些对客户意味着什么。但这对我们意味着什么呢？如果今天回答关键的基本业务问题已经很困难，那么我们如何指望在两到三年后面对更多的数据时做到这一点呢？我们必须抓住这种紧迫感，建立能够随着数据量、复杂性、期望和用户群体的持续增长而扩展并持续的能力。
什么是数据治理？
在深入讨论之前，我们有必要首先明确一些基本定义。在我最初的数据管理岗位上，我们曾犯过一个错误，假设组织内的利益相关者在讨论某个特定数据域时，对所涉及的数据概念是统一的。在经历了数月关于范围（某个特定数据元素、报告或系统是否属于讨论范围）的艰难对话后，我们意识到必须回到基础，并让所有利益相关者明确回答几个非常简单的问题。
数据治理是通过正式协调人员、流程和技术，使组织在适当的时间以适当的控制方式获取正确的数据，从而帮助公司实现高效、有效的业务成果。这种正式的协调应该控制、保护、传递并进一步提升数据的价值，为组织创造公平性。数据治理是一项主动的工作，通过以下能力实现：
- 元数据管理
- 数据沿袭
- 数据质量
- 数据架构
- 主数据管理
- 数据操作
我们将在后续章节详细探讨这些核心能力以及其他方法。成功的数据治理计划的组成能力在每个组织中的定义略有不同。因此，在本书中我们有必要对它们进行定义。你可以在你的组织中使用本书中的词汇，也可以采用你的业务常用语言。
重要提示
花时间构建一个简洁的参考指南，定义与你的数据治理计划相关的最基本术语（例如：数据、治理、元数据等）。将其作为快速参考指南供全组织使用，并根据需要进行扩展。
数据与信息
我要指出，业界的资深人士对“数据”和“信息”术语的使用有着不同的看法。有些从业者坚信这些术语是不同的，不应互换使用；另一些则不加思索地将它们同义使用。在我看来，任何一种方式都可以适合你的组织。关键在于区分两者，以便你的组织能够理解定义并正确使用它们。个人而言，我不认为哪种立场是对的或错的。更重要的是，你需要根据利益相关者的实际情况来做决定，并确保你的组织对你选择的用法达成共识。在本书中，我将主要使用“数据”一词，并确保对其含义作出明确说明。
案例分析——金融服务公司
在我的第一个数据治理职位中，我们启动了一项价值数百万美元的大型变革，以符合有关数据管理和监管报告的监管要求。项目进行六个月后，我们发现自己在确定项目的范围（什么在范围内，什么在范围外）上遇到了巨大困难。在几轮热烈的讨论后，我们发现问题的根源在于，利益相关者对什么是“数据”和什么是“指标”的理解不同。最终，我们建立了一个完整的方法论，以明确公司和监管机构对报告的思路，从而确定范围。我们列出了所有报告的完整清单，并记录了每个报告是否符合标准，同时确保任何人或任何团体都可以对其提出质疑。我们没有继续进行理论上的争论，而是详细记录了标准，并清楚地说明了理由。
这次经历给了我两点启示：一是你不能假设人们在范围界定上知道或不知道什么，二是你必须有清晰的定义，能够被传播、达成共识并记录下来，以确保所有参与者都能有一致的理解。
在整本书中，我也会请大家遵循同样的原则。如果需要，请随时回到这些定义，以确保我们的讨论保持一致。
数据治理不是什么
公司常常有一种倾向，将问题归咎于数据或数据团队。数据治理（团队或项目）并不是解决所有问题的万能钥匙。数据如同空气一样无处不在，管理好数据需要整个组织的参与。就像当火灾发生时，空气质量会变差一样，糟糕的数据会像烟雾从火灾中散开一样蔓延整个组织。要管理好数据，需要预防、检测和纠正，而管理数据的重任需要整个公司共同承担。一个数据团队无法单独解决所有数据问题。推动变革并有效管理数据需要整个组织的共同努力。
其次，数据永远不会完美。如果你或你的高管团队期望数据治理达到完美，我建议你调整期望。为了确保我们对成功的数据治理计划的合理期望和目标达成一致，我们必须定义成功。要做到这一点，我们必须从数据治理的目标开始。
数据治理的目标——创造业务价值
简单来说，公司存在的目的是为利益相关者增加价值。对于数据来说，最重要的目标之一就是为利益相关者增加权益。有效管理数据是公司为组织增加价值的一种方式。
资产是指由组织拥有的具有经济价值的事物。负债是指减少组织整体价值的义务（无论是当前的还是未来的）。因此，当资产减去负债的结果为正值时，意味着组织的价值增加（即创造了权益）；而当资产减去负债的结果为负值时，意味着组织的价值减少（即权益降低）。
同样的思维方式也可以应用于数据。数据可以通过多种方式影响权益。通过维持合规性、避免罚款和处罚、增加或创造收入来解决和最小化运营风险，从而创造权益。我将这一概念分为两个关键的子组件，以更具体地管理数据治理。这两个子组件（资产和负债）的定义直接受到我作为会计师和IT审计师的正式培训的影响，并且当管理层将数据解决方案转化为可衡量的价值（理想情况下是货币价值，但也可以考虑员工的时间价值）时，这种定义往往能够引起他们的共鸣。
重要提示
数据在为组织创造价值时就是资产。 以下是一些例子：
- 用于多种目的的精心策划的数据集
- 客户健康评分
- 授权的供应点
- 用于预测建模的数据模型
重要提示
数据在为组织带来风险时就是负债。数据可以同时具备这两种属性，但不能只有其中之一（例如，某个数据解决方案可能既创造价值又减少风险）。 以下是一些例子：
- 未被编目的数据
- 尚未分类，因此未得到适当保护的数据
- 数据泄漏/数据被盗
理想情况下，组织应在管理数据负债的同时，将数据最大化为战略资产，从而创造数据权益。根据你的业务性质和数据治理实践的成熟度，资产管理或负债管理中的一个可能是更高优先级。
数据治理应通过增加数据作为资产的价值并最小化数据负债来创造数据权益。我鼓励你在将本书中的原则应用于你的组织时，回到这一框架进行思考。在推销数据解决方案时，请考虑以下问题：
- 该解决方案如何增加我的数据价值（增加资产）和/或减少负债？
两者都具有价值。交付所创造的动力应该随着时间的推移直接转化为数据权益的增加。
例如，一个数据资产可能是一个可靠的、精心策划的数据集，因为它有明确的所有权，质量高，并且可以在整个组织中用于多种业务目的。一个数据负债的例子可能是一个组织不知道自己拥有什么数据，不知道这些数据存储在哪里，也不知道如何使用它们。从安全的角度来看，这对公司构成了风险，而且由于缺乏问责机制，意味着个人可能在决策中不适当地使用这些数据，从而增加公司做出不应基于这些数据的决策的风险，这些数据本来就不是为了那个特定目的而使用的。
资产价值的衡量对每个组织来说都是独特的，但简而言之，能够将其影响与组织联系起来是一个很好的指导原则。以下是一些在评估数据资产价值时需要考虑的示例问题：
- 该资产是否能够增加额外收入？多少？
- 该资产是否节省了时间？你能计算出通过按小时收费率来计算节省的工时吗？
- 该资产是否提高了客户满意度？这种满意度能否转化或计算为组织的价值，例如额外的支出或客户留存率的提高？
数据资产可能在这些组件中提供价值，并应相应地计算其价值。在这一估值过程中，最重要的部分并不是计算本身，而是与业务部门的对齐和达成共识。一旦你计算出价值，重要的是要与业务部门沟通并征求他们的反馈意见。他们是否同意你的评估？如果答案是肯定的，那么你就为你的数据资产确定了一个经过充分验证的价值。如果不是，则需要与业务部门一起对数据资产的估值进行迭代，直到达成一致。如果你跳过了这个重要步骤（验证价值），数据团队往往会被视为在夸大其对组织的价值。这会立即削弱你在组织中的可信度。达成一致的业务价值有助于建立牢固的业务关系，并在寻求未来的数据解决方案投资时提供以往成功的可信依据。
负债部分的衡量同样重要。与数据资产一样，组织的数据负债的衡量将因你的组织而异。
重要提示
更多的数据并不等于更多的负债。
相反，数据管理得越少，负债就越高。当数据未被管理时，组织面临的风险就越大。
一个很好的例子是安全风险。当一个组织不了解数据的存储位置时，它无法有效或充分地保护数据。这会给组织带来高风险（负债），并可能导致数据泄露，甚至更糟糕的数据泄露事件。以下是一些在计算组织数据负债时需要考虑的问题：
- 数据负债是否增加了组织的风险？增加了多少？我们是否可能因此负债而面临罚款或监管处罚？
- 负债是否导致了我们业务的低效？你能否通过按小时收费率计算由于低效（例如，手动流程与自动化流程）而影响的工时？
- 这种负债是否影响了客户满意度？这种满意度是否可以转化为或计算为组织价值的下降，例如额外支出的减少或客户流失的增加？
一旦你评估了数据资产价值和数据负债价值，就可以应用这些数据来计算数据权益。目标是随着时间的推移增加权益。这一初始计算可以作为你衡量进展的基准。组织也可以利用数据成熟度模型来衡量进展；然而，这些模型在组织中可能被广泛解读，并且不考虑与数据解决方案相关的业务价值。相反，它们侧重于数据能力的发展，而这并不总是能很好地传达给高层管理人员。我更倾向于专注于业务价值，而不是将组织与成熟度模型进行比较。
我们在本书中不会深入探讨数据货币化的内容。关于数据货币化的经济学，Doug Laney 的著作《Infonomics》有着详尽的描述，我强烈推荐给任何想进一步研究数据货币化的人。
数据治理组件的简要概述
现在我们已经将数据解决方案分类为资产和负债，并定义了如何计算价值，让我们更深入地探讨这些组件。我倾向于将数据治理的组件分组为构建块。我喜欢这种方法并在几家公司中使用过这种框架，因为它使组织能够直接将每个构建块与特定且明确的结果联系起来。第一个构建块，政策和标准，相对基础，并且可以由一个小团队设计。这是一个开始开发数据治理计划的绝佳起点。
政策和标准
这个构建块的目的是定义数据的所有权和设计问责制所需的结构，以将组织的数据视为资产进行管理。这个构建块将确保公司能够依赖有效、可持续且标准化的数据治理。这是未来构建块的先决条件，因为它定义了推动有效数据治理所需的内容以及需要参与的人员。此外，该构建块的组件可以以简化的方式创建，并可随着公司在数据管理方面的成熟度增加而扩展。
一个容易开始的地方是起草一个简单明了的数据治理政策。数据治理政策的目的是告诉公司他们需要做什么、为什么要做以及谁负责。
一个强有力的数据政策的目标包括以下几点：
- 建立单一的数据管理政策和标准
- 确定政策涵盖的能力和数据资产，并进而确定首席数据与分析官办公室的范围
- 定义实施政策和操作化数据管理能力的问责制和责任
- 为数据管理设定最低标准，特别是针对治理、质量、元数据和主数据管理
- 定义工具的使用要求和程序，以推动一致且稳健地采用最低标准
- 在适当情况下提供灵活性，以便尽可能简化实施
- 定义政策范围外的内容
与任何政策一样，重要的是要确定数据治理政策的负责人，他们将负责至少每年更新一次政策，更新内容并向公司宣传政策。负责人的责任还包括确保获得公司关键利益相关者的支持。理想情况下，这个负责人应该是首席数据官、数据治理负责人或类似角色。如果你的公司还没有数据领导者，另一种选择可以是首席信息官、首席信息安全官、首席隐私官，甚至是总法律顾问。
政策不需要冗长才能有效。理想情况下，政策应该提出基本内容，并通过更具体的、以主题为重点的数据标准来支持。这种方法通常可以让政策通过更正式的企业治理审批流程，同时允许随着组织的成熟，数据标准可以稍微更容易地更新。我建议为本书第二部分中涉及的每项核心能力实施一个数据标准，以及任何特定于你的业务需要为数据利益相关者提供额外指导的标准。记住，政策是为公司设定的最低期望。
要开始制定你的数据治理政策，可以考虑以下数据治理政策大纲：
- 目的和范围声明（例如，通过创造额外的收入来源并同时减少数据风险来改变公司利用数据的方式）
- 负责人（例如，首席数据官）
- 审阅者/贡献者及职称（例如，IT负责人、首席运营官和数据管理人）
- 签署/批准人（例如，首席执行官、首席财务官等）
- 数据治理要求
- 实施的角色和责任
- 改进或补充的反馈循环
- 成功衡量标准
- 合规/审计期望和频率
- 术语表
数据治理政策示例
以下是一个企业数据治理政策的示例：
-
负责人：首席数据与分析官
-
最后批准日期：2023年12月31日
-
政策负责人：数据治理负责人
-
贡献者：
- 信息技术负责人/首席信息官
- 人力资源负责人/首席人力资源官
- 市场营销负责人/首席营销官
- 销售负责人/首席营收官
- 产品/业务单元领导者
- 产品/业务单元数据管理人
目的和范围 本数据管理政策适用于公司持有或处理的所有数据，这些数据可能包括客户数据、交易数据、财务信息、监管和风险报告以及与公司业务相关的任何其他数据。这些数据可能是第一方数据、衍生数据或从其他公司获取的数据（第三方数据）。本政策的成果如下：
- 降低风险
- 发掘收入机会
- 提高运营效率
简介 公司有责任确保所有数据准确、完整、安全，并且仅限于需要访问以履行其工作职责的人访问。本政策规定了企业履行上述成果的要求。
数据治理 数据治理为本政策和范围部分中确定的所有公司数据制定了要求和标准。本政策中制定的数据治理能力的目的是提高公司数据的透明度和问责性，并推动在未来如何管理、存储和使用数据方面的一致性、控制和监督的改进。
角色和责任
- 企业数据委员会：将成立一个由首席数据与分析官主持的企业数据委员会，作为管理数据和分析项目以及整个企业范围内问题修正的监督和优先排序机构。将要求数据域执行官参与该委员会，以确保跨所有数据域的适当优先排序。
- 首席信息官将与首席数据与分析官合作，确保为支持组织的数据和分析需求（无论是首席数据与分析官办公室还是整个企业范围内的所有功能数据域）提供技术要求和系统支持。
- 每个功能领域将指定一个数据域执行官，以确保为数据管理提供适当的关注、资金和资源，并维持其符合本政策和业务需求。
- 每个数据域执行官将指派数据管理人，确保日常数据要求的执行符合政策和业务需求。数据管理人还将需要与首席数据与分析官办公室合作，确保领导层、监管机构和跨域的透明进展和持续的运营有效性。
要求 本部分提供了合规的最低期望。
-
数据治理：每个数据域将制定一个计划，以推动其数据域内的政策合规性，将要求操作化。数据域执行官将确保适当的优先排序，而数据管理人将代表数据域执行官执行计划。此外，技术数据管理人将支持所有技术要求的交付，以确保符合本政策和更广泛的业务需求。最低要求如下：
- 识别所有数据资产和系统
- 为每个资产和系统识别所有数据和技术数据管理人
- 将每个资产和系统分配到适当的数据域
- 制定计划以满足每个资产和系统的要求，并在未来保持合规
-
数据编目：数据编目的目的是在组织内以清晰、透明的方式集中管理和发布业务和技术元数据，以加速组织内可用数据的发现。随着数据编目的实施，首席数据与分析办公室将评估元数据，以确定特定数据资产的最佳真相来源，并识别减少公司内部数据扩散和冗余的机会。随着时间的推移，这将进一步简化我们的数据生态系统，并降低重复数据处理/管理和存储的成本。企业数据目录中的最低要求包括：
- 数据资产/系统的描述
- 技术元数据
- 模式和表格的描述
- 关键数据元素（CDE）的识别
- CDE的业务定义
- 根据公司数据分类政策对资产/系统中的所有数据元素进行数据分类
-
数据质量：数据质量的目的是确保数据适合使用。为确保数据可以信赖用于分析和业务用途，并识别需要披露和/或修正的问题，已制定以下要求，以集中开发数据质量规则，提供概况资源和工具，并监控数据健康状况。最低要求如下：
- 为每个CDE定义数据质量规则，并将其输入企业数据质量工具
- 启用CDE的数据质量监控
- 提供数据质量仪表板，以透明地报告当前的质量水平
- 识别数据质量问题并制定解决重大数据质量问题的计划
政策管理
- 反馈循环：有关政策的反馈和/或关于政策实施的问题应直接提交给上述的政策负责人。
- 成功衡量标准：将为每个数据域和公司级别建立一个健全的企业数据治理计分卡。政策合规进展的定期报告将提交给首席数据与分析官办公室和企业数据委员会。可能需要进一步的成功衡量标准。
- 合规/审计：内部审计、外部审计和监管机构可能会定期审计本政策的合规性。所有审计请求应向首席数据与分析官办公室披露，以便这些请求能够通过企业数据委员会进行协调和推动。
- 频率：本政策将至少每年审查、更新和重新批准一次。
现在我们已经回顾了制定优秀政策的要素，让我们转向数据治理计划中的关键角色和责任。
角色和责任
任何数据治理专家都会告诉你，人员是成功数据治理计划的关键。人员负责管理数据，确保其准确性、适用性，并如何改进以使其更好。这个概念称为数据管理。数据管理需要协作以推动成功。为每个数据域指定的高管会任命一名数据管理人来推动数据域的日常活动。
数据管理人的主要职责包括以下几点：
- 作为数据域的唯一领导点
- 确保数据域执行官了解关键活动
- 确保获得足够的资金并将其正确分配到数据管理活动中
- 收集数据域的数据要求，并在整个数据域执行数据管理要求
首席数据与分析官办公室的主要职责包括：
- 定义数据政策，发布政策，并至少每年审查更新
- 引导数据域执行官和数据管理人通过要求，确保全面理解
- 提供数据工具，以推动企业范围内的数据管理能力
- 尽可能简化政策的合规性
- 定期向高管团队报告，并在必要时向监管机构和董事会报告
重要提示 数据治理中最难的部分之一是获得推动组织利用其数据获取成果所需的协作。
在我工作过的每家公司中，意图几乎总是好的：人们希望合作。数据治理专家希望合作以推动成功；然而，优先事项的竞争、缺乏清晰的愿景以及难以衡量数据治理计划的影响，往往导致数据管理的优先级降低。最终，推动成功数据治理计划的组织认识到良好数据治理的重要性，并意识到这不仅仅是了解记录、字段和表格。他们意识到，这不仅仅是建立另一个数据仓库。他们认识到，人是成功的中心，识别对数据负有责任和问责的个人是任何数据治理计划的基石。
为了让数据达到优质标准，数据管理人必须表现出色。优秀的数据管理人对其数据的质量、访问权限和整体管理负责。我合作过的最佳数据管理人确保在治理过程的每一步中都获得业务用户的支持，因为数据治理的目标不仅仅是清理数据，还在于使数据用户能够自信、轻松地使用数据来追求其业务目标。
让我们通过两个示例进行对比说明：
- 示例1：一个业务用户A需要数据X来向监管机构报告。在一个治理良好的数据环境中，用户A会访问企业数据目录，在那里可以搜索数据X。用户A找到了他们需要报告给监管机构的指标，但他们有一些问题。在目录中，B被标识为数据管理人。用户A可以联系B询问问题并了解更多关于数据X的信息，以确认它是适合与监管机构共享的指标。
- 示例2：这是一个数据治理很少甚至没有的公司。一个业务用户A需要获取数据X来提供给监管机构，但不知道从哪里开始。由于没有数据目录，他们询问他们认为可能了解数据的人C。C建议A联系D。A联系了D，以此类推。几天甚至几个月过去了，A并不确定他们拥有正确的信息来提供给监管机构，但提供了他们认为最好的信息。最终，监管机构对数据缺乏信心，因为A自己对数据也缺乏信心。
通常，组织中的数据管理人之间的协调并不像说的那么容易。一个最简单的入手方法是从高管层面开始。我将这些人称为数据域执行官。这些人是最终对其部门负责的数据的责任人。一个例子是首席人事官（CPO）被指定为人力资源数据的数据域执行官。这将使CHRO最终对人力资源数据负责。CPO将日常活动委托给其数据管理人，后者负责确保人力资源数据的管理符合数据治理政策和标准。
作为数据治理计划的一部分，首要活动之一应是识别组织的数据域执行官。在我的经验中，将数据逻辑类型定义为数据域并分配数据域执行官是最好的起点。在定义了数据域和数据域执行官后，你将拥有负责整个组织数据的高管。这些人应成为你的赞助人，如果你决定成立企业数据委员会或理事会，他们应成为你的投票成员。
根据你所在组织的规模，你可能还需要在数据管理的业务方面设立第三个关键角色。对于较大的组织，你可以考虑设立一个更高级别的人担任数据域经理。这个人将承担上一节中描述的数据管理人的角色，并且可能与多个数据管理人形成1:多的关系，这些数据管理人要么向他汇报工作，要么与业务部门有虚线报告关系。在我曾工作的一个组织中，我们为组织的一个部门设立了数据域经理，并为每个子小组指定了一名数据管理人。组织结构如下：
治理论坛
企业数据委员会是将组织围绕数据战略和数据治理计划进行对齐的有效方式，它同时也作为一个优先级确定和问题升级的机构。参与委员会的每位数据域执行官应指派一名数据管理人来推动其数据域内的活动。通常，组织会设立子小组（例如，人力资源数据委员会或人力资源数据工作组）来执行各自领域的实施和持续治理。这使得数据治理活动可以更深入地在组织内实施。首席数据官（或相当职位）应担任该委员会的主席，并负责管理议程、节奏和协调工作，同时向高层管理团队和董事会汇报进展。
重要提示
如果你注意到企业数据委员会的职责被下放到数据域执行官以下的级别，你可能会遇到问题。偶尔的委派（例如，因休假）可能无需担忧；然而，如果你开始看到某个特定域或整个委员会普遍出现这种情况，那就是一个信号，表明你的委员会未能提供足够的价值。此时，应迅速联系数据域执行官，了解是什么原因导致了这种委派。你可以简单地询问：“我注意到您最近几次的企业数据委员会会议都委派给了您的团队成员。有什么我可以做的，能让会议对您更有吸引力吗？您的观点对整个委员会至关重要，我希望确保这是您时间的有价值使用。”
在数据治理计划中，还有其他关键角色可能会发挥作用，包括业务部门的利益相关者（通常是数据的用户）和信息技术团队。在第二部分的元数据章节中，我们将更深入探讨这个问题，但在这里我也将IT应用所有者包括在了之前的图表中（见IT）。在任何项目中，IT应用所有者在数据治理计划的成功中扮演着关键角色。IT应用所有者是负责实施企业数据治理政策以及数据域执行官或其委派的任何数据治理要求的技术人员。我们将在第三章更深入地探讨操作模型。
治理进展的报告
理想情况下，随着实施的推进，企业数据委员会应持续收到报告，展示数据治理的改进情况。报告这些信息的一种方式是使用企业数据治理计分卡（EDG计分卡）。EDG计分卡应提供公司在实施数据治理能力方面的透明状态，以及实施后的持续执行情况。最终，EDG计分卡应向其用户传达公司在使数据更易查找、理解和最终信任方面的表现。
在为整个公司设计和实施EDG计分卡之前，我建议先选择一个数据域来试点这一过程。我倾向于从一个数据治理实践比其他领域稍微成熟的数据域开始。在大多数组织中，财务和/或监管报告数据域往往稍显成熟。通过试点一个数据域，组成企业数据委员会的其他数据域执行官可以了解EDG计分卡的样子，以及他们应该如何在各自的数据域中实施它。
实施指标示例
应定义指标来衡量数据管理政策的实施情况以及能力的持续运营效果。为了衡量各数据域内政策的实施进展，每个数据域应定期向首席数据与分析官办公室报告进展情况（根据组织的期望，通常是每两周、每月或每季度一次）。
首席数据与分析官办公室的示例指标包括：
- 数据域的总数（这是以下指标的分母）
- 具有已识别/确认的数据域执行官的域数
- 具有已识别/确认的数据管理人的域数
- 识别出记录系统的域数
- 将记录系统分配给系统所有者的域数
- 为每个记录系统识别出关键数据元素（CDE）的域数
- 为每个记录系统编写并执行数据质量规则的域数
- 为每个记录系统建立业务术语表的域数
- 为每个记录系统建立数据字典的域数
- 为每个记录系统采用参考数据的域数
用例
一家大型跨国公司有七个业务单元和四个公司职能部门。为推动数据、分析和人工智能的应用，成立了一个首席数据与分析官办公室。作为该办公室第一年战略的一部分，首席数据与分析官组建了一个专注于数据管理成熟度的团队。为了达成这一目标，企业数据治理负责人被指派正式制定数据政策并创建一个计分卡来跟踪其实施情况。
企业数据治理负责人制定了一项企业数据政策，以为组织建立期望，并定义了推动政策合规的关键角色和责任。团队识别出了12个数据域：每个业务单元一个，另外五个分别为财务数据、风险数据、市场数据、员工/人力资源数据以及主数据和参考数据（由首席数据与分析官办公室负责）。
为了跟踪在这12个数据域中实施进展，首席数据与分析官办公室开发了以下计分卡。该报告每两周更新一次，并向高管团队、数据域执行官和数据管理人报告，并在企业数据委员会的月度会议中进行审查。
数据域/数据管理人的示例包括以下内容：
- 分配给数据域的记录系统总数（这是以下指标的分母）
- 已识别关键数据元素的记录系统数量
- 已编写并执行数据质量规则的记录系统数量
- 已建立业务术语表的记录系统数量
- 已建立数据字典的记录系统数量
- 已采用参考数据的记录系统数量
每个数据域应跟踪各自的指标，并每两周向首席数据与分析官办公室提交报告。
HR数据域的实施计分卡
-
负责人：首席人事官
-
主要联系人：人力资源分析副总裁
-
目的：以下计分卡旨在报告企业数据政策核心要求的实施进展。已识别并建立了12个数据域来管理公司的数据。以下计分卡用于监控HR数据域的采用情况。
- 识别出关键数据元素的系统：2/5
- 编写并执行数据质量规则的系统：1/5
- 已建立业务术语表的系统：1/5
- 已建立数据字典的系统：0/5
- 已采用参考数据的系统：0/5
进度百分比：
- 识别出关键数据元素的系统：40%
- 编写并执行数据质量规则的系统：20%
- 已建立业务术语表的系统：10%
- 已建立数据字典的系统：0%
- 已采用参考数据的系统：0%
状态：绿色—按计划进行 | 黄色—有风险 | 红色—逾期未完成
相关团队及成功所需的能力
没有哪个数据团队能独立运作。为了成功实施，合作是你手中最宝贵的技能。你需要与一系列关键职能部门建立牢固且可持续的关系。首先是业务职能部门。你必须与每个你支持的业务职能部门建立信任。这从深度倾听开始，并贯穿始终。深度倾听要求你以学习为唯一目的来倾听。你听的目的是学习，而不是回应。你的业务职能领导者会向你提供他们的需求。你的工作是倾听并能够将他们的需求带回你的数据团队，以此来制定和完善数据战略。随着你满足他们的需求，信任将会建立。最初，无论他们过去与数据的经历如何，倾听他们的声音是最重要的起点。
信息技术
贵公司的信息技术团队（由首席信息官[CIO]领导）可能会通过提供基础设施（至少是）来支持你团队的数据解决方案的成功。你与CIO及其关键领导者建立的关系对你的成功至关重要。我发现CDO（首席数据官）与CIO之间关系的质量是CDO成功的最强有力的指标之一。在CDO与CIO有着高效且信任关系的情况下，我见证了两位领导者的成功。在关系不高效或最糟糕的情况下是竞争关系时，两位领导者的成功都会受到阻碍。
信息安全
此外，随着CISO（首席信息安全官）角色的崛起和正式化，以及所有行业中不断增加的威胁态势，CISO的重要性从未如此之高。数据权益方程式中负债部分的核心要素之一就是保护公司的数据。这当然表现在数据安全上，但也延伸并紧密关联于技术元数据管理。简而言之，如果你不知道数据在哪里，就无法保护数据。技术元数据是支持了解你拥有的数据、存储位置、数据流动情况、如何分类以及需要哪些控制措施来正确保护和安全数据的关键使能因素。我们将在第6章和第7章中详细讨论这一主题。作为数据领导者，这一能力将助力CISO的成功，因此，我建议你在数据治理实施过程中尽早并频繁地与他们互动。
首席财务官
当你构建关系并最终建立利益相关者名单时，我鼓励你同时考虑业务职能和公司职能。你的利益相关者应包括上文提到的CIO和CISO，以及CFO（首席财务官）、隐私负责人、总法律顾问、人力资源和运营部门，此外还有业务职能。如果你在技术领域工作，产品和工程领导者是关键，而在金融服务领域，像风险管理和监管机构这样的群体可能是相关的。重点是要纵观整个公司，包括所有数据管理人和数据用户，识别出你需要合作的关键领导者，以便有效合作。大多数未能成功的数据领导者失败的原因在于他们未能建立关系，或者未能通过创造价值建立信任。
人力资源
你的人力资源领导者将是设计你的组织并制定人才管理的招聘、培训和留任策略的关键利益相关者和战略合作伙伴。
隐私和法律
隐私和法律团队将是你团队支持的许多能力的关键推动者。例如，法律团队应定义数据保留标准，隐私团队应定义信息分类类型（例如，私人或公司机密），而你的团队有责任实施能力以根据这些政策发现、编目和自动分类数据。GDPR或CCPA等法规推动了跨行业的大部分工作，但其他行业也有特别考虑的法规，如BCBS 239或HIPPA。务必与法律和隐私团队合作，找到合适的规章制度进行遵循。
此外，请注意新兴的州级法规正在迅速出台。在撰写本文时，爱荷华州是美国最新发布隐私法的州。该法律将于2025年1月生效。
定义价值
在开始构思未来愿景时，务必考虑到你从互动的利益相关者那里收到的所有反馈。在接下来的几章中，当我们致力于构建你的商业案例、建立支持联盟和组建团队时，请注意，不同公司对成功的理解和愿景各不相同。你需要以全新的眼光看待每一个机会。尽管我曾在三家财富500强公司中领导过数据转型，但每一个数据战略都需要独特的视角。公司各自在通往卓越的旅程中，即使是最成熟的公司也有提升其数据治理能力的工作要做。如果不从这个角度评估每种情况，你将面临在开始之前就应用错误策略的风险。
与谁会面
在为公司定制愿景时，认真思考你的利益相关者名单，如前一节所述：
- 业务部门有哪些？
- 谁负责每个部门？他们是否有你也应该会面的幕僚长或首席运营官？
- 利益相关者有哪些公司职能？每个职能的负责人是谁？
- 资金在组织中是如何分配的？了解资金释放的流程以及谁影响这一过程。
在回答上述问题时列出的人物，都是你在准备愿景、商业案例并开始宣传愿景时需要会面的重要人物。其中许多人在未来可能会成为数据域执行官。
重要提示
首席数据与分析官（CDAO）、首席人事官（CPO）、首席营销官（CMO）等职位也会有与他们对应的域经理、数据管理人和技术管理人。在第一次互动中，简单地倾听他们的业务优先事项。这不是提出解决方案的时候。你是在收集事实和意见，以便将其作为未来愿景的输入。做好详细的笔记。在会议结束前，询问能否在4至6周后进行跟进，届时你将根据他们的意见和反馈提出团队的使命、愿景和目标。
重要提示
在你的组织中，你的数据域执行官应该不超过CEO-1或CEO-2级别。不论你的组织规模多大（50人或50万人），如果你的数据域执行官离组织高层太远，你的项目将被稀释。你必须创造一个明确的价值主张，清晰地定义为什么高级领导必须共同推动这项工作。如果这项工作在你的组织中被推得太远，你将面临失去C级高管优先级、资金和关注的风险。理想情况下，直接向CEO汇报的人应成为你的数据域执行官。在较大的组织中（例如，5万名或更多员工），CEO减去两级可能是合适的。
打造有力的愿景陈述
有力的愿景陈述不仅仅适用于首席数据与分析办公室，还适用于整个公司的数据和分析能力。在起草愿景陈述时，务必明确简洁地表达你对公司未来使用数据和分析的愿望和目标。考虑以下问题：
- 你想要实现什么？
- 谁会帮助你实现这一目标？
- 你如何知道自己已经达成目标？
一个有力的愿景陈述应该清晰、简洁，易于理解和传达。它应该直击要点，避免使用行话（避免“数据语言”）。该陈述应聚焦未来，具有激励性和 aspirational，能将所有利益相关者聚集在一起，共同努力实现这一预想的未来。让它简短易记，能够轻松记住。虽然聚焦未来，但它应该是可实现的，并与公司的价值观一致。
重要提示
让我们考虑一个示例。假设你是某领先保险公司的新任首席数据与分析官，你可以制定这样的愿景陈述： “洞察力嵌入业务流程中，通过高度可信、相关且经过精心策划的数据，以我们所需的速度主动为客户带来愉快且有意义的重要时刻。我们信任我们的数据，客户也信任我们。”
定制信息
在你制定愿景陈述后，将其带到你识别并会面的领导者的一对一会议中。单独与他们分享，征求他们的反馈意见：
- 这是否符合公司的战略方向？
- 它是否具有愿景性？
- 它能否激励你的团队成员并为未来带来有意义的关注？
- 它对你的需求是否有意义？
- 你会做出什么改变？
在与这些人一起审查时，倾听并纳入他们的反馈。你保持开放心态并考虑他们意见的程度将直接影响他们的支持度。这并不意味着你必须采纳每一个意见，但你应该认真考虑，并回到每个人那里，感谢他们的支持，解释你改变了什么，没改变什么，为什么不变。对于你没有做出的更改，必须仔细解释为什么它们未能通过。这种透明度将建立你与利益相关者之间的信任，而这种信任可以随着时间的推移不断加深。
在你修订并最终确定你的愿景陈述后，就该提交最终审批了。我建议你将审批纳入企业数据委员会会议，以进一步确立愿景不仅仅是首席数据与分析办公室的愿景，而是整个公司的愿景。通过让公司参与这一过程，你在设定一个先例，即数据是每个人的责任，尽管最终由首席数据与分析官负责。
数据治理作为战略推动力
在开始构建数据治理商业案例之前，必须了解公司正在推动的业务成果。要起草数据目标，首先需要理解整个公司的战略。如果你还没有公司战略的副本，请索取一份，并提出问题以充分理解它。然后，与数据域执行官合作，了解他们的优先事项以及他们的业务单元或公司职能如何实现公司战略。他们需要实现哪些成果以创造公司所需的价值？最终，这些成果的定义将支持更广泛的公司战略，并带来对组织成功至关重要的业务成果。
关键在于，你必须定义一条清晰的路径，展示数据和分析如何推动公司发展而不是拖慢进程。通常，当人们听到“治理”这个词时，会将其等同于官僚作风、摩擦和拖慢进度。你必须展示你和你的团队将如何增加价值，推动业务发展，并且不会对进度产生负面影响。定义一个使命和明确的目标来清晰地展示这一点至关重要。
首席数据与分析办公室的使命
首席数据与分析办公室的目的是通过数据和分析解决方案推动所需的业务成果。它不是业务的旁观者，而是通过与业务合作来实现组织成果的加速器。成功取决于业务成果，因此，首席数据与分析办公室必须将其使命定义为这样的目标。首先定义你的团队在业务中应做的事情。指导原则可能包括以下内容：
- 激发全企业的思维
- 通过洞察力推动业务成果
- 定义并实施通用数据和分析解决方案的交付模型
- 在业务需要时嵌入洞察力的解决方案
- 确保通过设计的治理嵌入流程中来执行业务
- 通过自动化推动运营效率
- 创建收入来源或加速收入生成周期
- 降低风险并解决合规问题
最终，你和你的团队应该制定一个强有力的使命声明，涵盖你为公司提供的全套服务。思考一下这个问题：“我们的目标是什么？”
重要提示
让我们考虑几个示例使命声明：
- 通过及时、可信且相关的洞察力推动公司收入达到10亿美元及以上。
- 首席数据与分析办公室将为XYZ银行解锁收入、提高效率并降低监管合规风险。
数据治理计划的使命
在定义了首席数据与分析办公室的使命之后，接下来必须定义你的数据治理计划的使命。你的数据治理计划需要考虑你需要为公司解决哪些问题，以及你打算如何解决这些问题。这个计划应该成为解决公司问题的推动力和协作伙伴，以符合公司广泛利益的方式解决问题。它可以简单地表达为： 我们通过做A、B和C为Y提供X。 例如： “我们通过在平台中启用设计治理、推动数据管理解决方案、并在关键时刻提供可信且经过精心策划的数据解决方案，为所有公司职能部门提供企业范围的数据治理能力。”
确定所需的项目、计划和预算，以推动实现公司数据和分析战略所需的企业活动。当我们深入探讨本书的第二部分，并更深入地了解每个数据治理能力时，思考你所在公司目前的情况。这些能力是否存在？存在到何种程度？你看到了哪些差距？这些差距将成为你的项目、计划和交付内容。我建议你在第四章为你的组织设定基准时，再回到这一部分。
为公司构建商业案例
在与之前部分中确定的利益相关者会面并对愿景陈述进行反馈迭代时，这是一个绝佳的机会来询问利益相关者哪些方面运作良好，哪些可以改进，他们未来一年的优先事项是什么，以及他们团队面临的一些紧迫挑战是什么。我发现，向公司各个关键领导者提出开放性问题，并认真倾听他们的经验，对于识别如何通过数据治理为他们创造价值的机会非常有益。
例如，如果某个利益相关者告诉你，他们在董事会会议中遇到困难，因为首席执行官总是质疑他们的数据，那么你可能有机会帮助他们。花时间剖析报告流程、报告中的指标、指标的定义、它们的计算方式、数据的来源，以及基础数据本身的质量，可能会暴露出向董事会提供的报告存在问题。反之，这一过程可能证明数据是准确的，而此时，你作为数据组织的领导者，可以为报告的准确性提供有力支持，帮助利益相关者获得更强的信任。通常情况下，数据在未经证明前总是被视为有问题的。你有很大的责任支持你的利益相关者，提供可靠且高度可信的数据，以便他们向董事会汇报结果。请按照这种方式对待这一过程。
无论利益相关者告诉你什么，这些对话的重要性在于倾听。利益相关者很少会直接告诉你他们需要更好的治理，或者他们需要更强的技术元数据，或者需要一个团队来更频繁地分析他们的数据。他们不会用这些数据术语与你交谈。他们会告诉你的是没有人信任报告，或者说他们无法在需要时获得所需的东西。他们给你的是症状，而你的工作是识别根本原因，诊断问题，并解决潜在的问题：数据治理。
在进行这些深入倾听会议并了解同事们面临的挑战时，开始识别共同的主题。保持详细和有组织的笔记是有帮助的，便于你回顾并将类似的问题分组。回到前面的例子，也许你听到许多利益相关者说，报告中存在不一致，结果听起来相似，但数字实际上不同。高管团队现在开始质疑数据和领导者。你现在知道你数据治理商业案例的一个组成部分将围绕高管团队的关键指标对齐。你将需要强大的元数据能力（第6章）和数据质量（第8章）来帮助你，还有强大的报告和/或数据分析师来推动这一对齐。最重要的是，你需要将人们聚集在一起，推动一致性。
在准备撰写商业案例时，你的倾听会议将产生主题，你将围绕能力的战略实施和迭代交付（有时称为快速胜利）来组织你的交付，以在整个交付过程中展示进展。在构建商业案例时，务必突出你的构建块（即本书第2部分的组件）以及你将实施的迭代交付，以推动战略旅程中的影响。当你与数据域执行官在所识别的主题一致时，你将把挑战转化为胜利，将反对者转化为支持者，并成为公司需要的可信顾问，为整个公司提供卓越的数据治理。
当你开始构建商业案例时，你将随着本书的进行逐步完成，这里有一个好消息：你已经取得了进展。前面提到的内容是你的商业案例的关键组成部分。你需要包括以下内容：
- 你公司的战略愿景和目标
- 你团队的使命声明
- 你数据治理计划的使命声明
- 你的有力目标
从这里，你可以开始构建你将需要为商业案例启动的项目框架。在这一点上，你可能不知道大多数项目是什么；然而，你可能已经通过利益相关者的倾听会议开始识别出一些主题性问题或问题。也许你已经知道你的公司没有数据目录或无法透明地衡量数据质量。你可以开始规划你将需要交付的能力，作为“项目”进行实施。
我更喜欢使用备忘录格式来定义商业案例。六页的备忘录是一种能够深入传达内容而不失去受众注意力的强大格式。一些公司使用幻灯片进行陈述。你需要确定哪种格式最适合你公司的文化。无论你决定采用哪种形式，撰写备忘录都是一个确保你在商业案例过程中思路清晰的好练习。最终，你撰写商业案例的质量将决定你从利益相关者那里获得的支持程度以及获得的资金程度。一个商业案例的示例模板可能如下所示：
你已经开始了这个过程，这是你旅程中的重要一步。继续阅读每一章，并在我们前进的过程中执行相应步骤。你可以根据你所在公司的节奏快速或慢速推进。将本书用作参考、指导，最重要的是，作为在大规模上交付强大数据治理的框架。在进入下一个阶段之前，重要的是讨论一个最终的限制因素：何时以及何时不应启动你的计划。
何时以及为什么启动数据治理计划
虽然数据治理计划可以随时启动，但成功的计划往往会与其他相关业务计划紧密配合，确保对高管团队的影响非常明确，不仅是在单个项目中，而是作为一套转型方案。如果管理层没有强烈的需求、没有完全支持，或者过于分心（例如，正在进行大规模的并购），你将无法成功启动计划。换句话说，时机很重要。
花时间了解你的业务、挑战、政治因素以及正在进行或即将启动的其他关键战略转型计划。与同事在任何业务职能和操作方面达成一致，确保你获得支持。然后，计划你的启动。如果时机不对，你将需要重新启动计划，而根据我的经验，这通常是一个非常困难的过程，通常需要更换领导者。
为什么现在启动
有几个原因会促使组织投资于数据治理。没有完美的时机，但有一些常见的原因：
- 法规要求：可能有许多法规原因驱使你的公司实施数据治理计划。例如，在金融服务业，大型全球系统重要性银行（称为GSIBs）被要求遵守BCBS 239，这推动了风险报告的数据治理。
- 危机：数据泄露是驱动数据治理计划的另一个常见原因。尤其是在公司对其数据的存放位置、分类方式没有很好把握，或者对其安全性没有信心的情况下（你不能保护你不了解的数据）。
- 高管要求：C级高管已经意识到他们需要从数据中获得更多，他们愿意资助转型以满足他们的需求。
- 业务需求：存在明确且可见的业务需求，并且有充足的资金支持。
- 实验性：公司希望探索数据能力，并已设立资金池来支持这一领域的实验。你有权限使用这笔资金来展示可能性的力量。
为什么你可能想等待
最后，执行管理层是否愿意庆祝与长期路线图一致的快速、迭代的胜利，并给予足够的资金支持，这一点至关重要。这个计划不会一夜之间成功，你必须认同一个长期、可持续且以数据为中心的文化需要迭代和持续的投资和支持。最终，如果公司不明白自己想要什么和/或没有准备好适当的资金支持，你就不应该启动大规模的转型来建立强大的数据治理。以下是一些需要注意的警示信号：
- 高管要求：C级高管已经意识到他们需要从数据中获得更多，但他们不理解进行转型并获得所需成功的代价是什么。
- 业务需求：业务上有一个关键需求，但他们没有明确定义，也没有为交付设立资金。
- 实验性：公司希望探索能力，但不清楚推动结果所需的条件。
- 未定义：公司希望建立数据和分析职能，但并未落实建立完整职能的行动。
公司永远无法完成数据转型的工作。这就像锻炼一样。你不能为一场比赛锻炼身体，然后声称自己终生保持健康，并指望坐回沙发上还能保持结果。花时间确保为计划提供支持和资金。你的成功和公司的成功取决于此。
如何构建交付时间表
一旦你构建了商业案例的框架并决定了所需的能力，你就应该为时间表和资金提出一些选项。我发现，提出三个选项给管理层是最好的方法，这样你就可以进行一次健康的讨论，讨论做什么、做得多快以及公司愿意花多少钱来实现目标。
选项1——你首选的时间表
开始构建你的最佳时间表。如果你所需的交付取决于你，并且你可以获得足够的资金以适当的节奏完成工作，那么这是什么时间表？你将在什么时候发布新的能力？公司在每次发布时能够做什么？
选项2——快速且昂贵
构建一个更快速交付的选项，但可能需要增加资源（资金、人员或顾问的参与）。这个选项可以更快地产生价值，但伴随着成本增加的平衡。
选项3——慢速且便宜
最后，构建一个耗时更长但成本较低的选项。在我的经验中，这通常是高管们立即否决的选项。一旦他们决定向数据领域迈进，他们希望看到结果。将这个选项摆在桌上表明你已经经过深思熟虑，并考虑了所有选项，尽管它们不是你的首选，但你考虑了其他人的期望。
你可能还会发现，通过这些审查讨论，会组合出一些选项的混合方案。保持开放的心态。如果管理层愿意花时间和精力与您一起审查这些选项，这就是一个好兆头。倾听他们的反馈，并愿意提出替代方案。最终，你的目标是获得支持和资金；你越灵活，就越有可能获得支持。
结论
你现在已经具备了构建数据治理计划并开始制定商业案例所需的所有框架和背景知识。随着我们深入探讨接下来的几个章节，我们将更深入地了解每个专题领域，这将为你设计一个强大、有效的数据治理计划提供必要的细节，以便为你的组织带来出色的成果。
开始在你的组织中建立数据治理转型的旅程并不一定很困难。它可能需要时间，并且需要支持，但你可以为你的组织建立一个强大的数据治理职能。在踏上这段旅程时，你应该专注于几个关键步骤，首先是确定一个数据治理负责人来拥有和赞助公司的数据治理工作，这将确立对数据治理职能的权威。你还需要定义数据治理在你公司背景下的意义，通过发布数据治理政策（如有需要，还可以发布标准）。通过建立明确的负责人（例如数据域执行官）、建立适当的委员会和写出一个强有力的商业案例来推进政策的实施。
在你阅读本书的各章时，我将引导你如何将数据治理融入公司文化，首先是通过建立一个支持者联盟。在第2章中，我将首先解释为什么联盟很重要，如何评估潜在支持者，以及如何获得广泛的支持。
