数据治理推不动
不知道你有没有同样的体验。
搞数据治理，在初期，相关团队和上级领导都配合和支持，多少能有一些成果。
但搞着搞着，大家步调越来越不一致，打破约定和规则的情况越来越多。
到后面，数据治理工作越来越难推进，渐渐没有人再提起，以失败告终。
造成这种局面的根本原因，是治理工作与具体业务脱节导致的。
数据治理与业务脱节
没有从具体业务问题出发
组织和公司，关心的都是具象的问题，抽象的议题和工作最终都会搁置。
你看别人搞数据治理都搞元数据，就条件发射地提出：”要搞元数据治理”。
这便是治理工作与业务脱节的一种情况：没有从具体业务问题出发。
治理元数据和具体业务有什么利害关系，能给组织和公司带来什么收益？这些问题没有弄清楚，不过是只知道一个笼统的抽象想法，为了治理而治理而已。
没有以具体业务为落地点
如果是另一种情况，你看到元数据缺失，导致数据理解和使用成本很高，影响到分析同学做业务的质量和效率，所以提出要提升元数据覆盖率。
这很好，实现了治理工作从具体业务问题出发。提升元数据覆盖率，有助于提升取数效率和质量。这一点大家都有共识。
然而，工作需要量化目标。所以，你进一步提出，元数据覆盖率要提升到，譬如说，95%。
这时问题就来了。
为什么是 95% ？元数据覆盖率到 90% 不可以吗？这 5 个百分点会有什么区别？
元数据覆盖率达到 95% ，具体能给业务带来什么收益？
如果元数据覆盖率90% 对业务已经够用，再提升 5 个点的投入产出，会不会得不偿失？
如果你回答不出这些问题，其实便是治理工作与业务脱节的另一种情况：没有以具体业务为最终落地。
你只是拍脑袋想当然，觉得元数据覆盖率越高越好，其实没有对具体业务问题有深入思考。
这也是治理工作最常见的错误，估计超过 8 成治理工作失败与这个问题。
我们要清楚一个基本事实，公司和组织开展各种工作都是要考虑经济效益的，以解决具体业务问题为落地点，才能保证目标有效益基础。
效益是你和干系团队的共同语言。违背业务逻辑和经济规律的事情，最终走不远。
数据治理与业务结合
数据治理工作，一定要从具体业务问题出发，以解决具体业务问题为最终落地点。
治理概念和理论不该用来空谈，它们过于抽象和空洞，没有太大意义和价值。
治理概念和理论的正确使用方法，是用来分析具体业务问题，基于现实业务逻辑，制定合理、可行的治理目标和改进路线。
以元数据缺失这个问题为例。我们可以这样分析和改进:
- 哪些类型的元数据缺失，在哪些场景会导致分析同学的取数效率和质量降低？折算下来，预估给当下和将来的业务，带来多少额外成本和损失？
- 要保证新增数据的元数据进行补齐，是否需要工具支持，需要开发成本多少？是否需要调整流程，对技术和业务团队的效率影响如何？
- 要对存量数据的元数据进行补齐，需要补充哪些数据，补到什么程度？目标数据的筛选条件、选择理由和补充成本是多少？
- 治理方案预计落地节点和时间？预期分析同学取数效率和质量能得到什么程度的改善？
上面的分析，最关键就是从具体业务出发，回到具体业务去：这个问题导致业务产生多少损失，改进后业务上有什么收益。这才是公司和组织真正关注的东西。
把这些都明确下来，制定出合理、可行的治理目标和改进路线，并且投入产出是经济的，治理工作才具备可持续推进的必要条件。
如果投入产出划不来呢？调整治理目标和路线，或者重新定位和分析问题。不经济的事务，至少也不是当下最迫切的事物。
