《数据治理内容之外：明确数据治理的边界》
一、引言
在当今数字化时代，数据治理成为企业和组织管理数据资产、保障数据质量、实现数据价值的关键举措，要全面理解数据治理，也需要明确其不包括的内容，这有助于更精准地把握数据治理的内涵与外延，避免概念的混淆和工作的盲目性。
二、数据治理不包括单纯的数据采集
（一）数据采集的独立性
数据采集往往是数据生命周期的初始环节，它侧重于从各种数据源（如传感器、数据库、文件系统等）获取数据，虽然数据治理与数据采集存在一定联系，例如在采集过程中可能需要遵循一些基本的数据规范（如数据格式要求等），但数据治理并不单纯等同于数据采集，数据采集更多地关注技术手段和工具，如使用网络爬虫采集网络数据、通过传感器采集物理环境数据等，其重点在于如何有效地获取数据，而数据治理的核心是对数据的管理和控制。
（二）缺乏治理特性的采集
在没有数据治理介入的情况下，数据采集可能是杂乱无章的，一个小型企业在初始发展阶段，可能仅仅是为了满足临时的业务需求而进行数据采集，没有考虑到数据的一致性、准确性等治理要素，数据采集人员可能只是机械地将数据收集起来，而不关心数据是否符合企业整体的数据战略，数据治理则是从企业战略高度出发，对数据的全生命周期进行规划和管理，不仅仅是采集这一个环节。
三、数据治理不包括特定业务的数据分析
（一）业务分析的针对性
特定业务的数据分析是为了解决特定业务问题而进行的操作，市场部门为了评估新产品的市场接受度而进行的市场调研数据分析，或者财务部门为了进行成本核算而对财务数据的分析，这些分析主要是基于业务逻辑和业务目标，运用特定的分析方法（如统计分析、回归分析等）来得出与业务相关的结论，而数据治理主要关注的是数据的整体管理，确保数据的质量、安全性和可用性，并非直接参与到这些针对特定业务的分析工作中。
（二）数据分析与治理的差异
数据分析是从数据中挖掘价值的过程，而数据治理是为了创造一个良好的数据环境以便于进行数据分析等操作，在没有数据治理的情况下，数据分析仍然可以进行，但可能会面临数据质量差、数据不一致等问题，一个电商企业如果没有进行数据治理，其销售数据分析可能会因为数据的不准确（如订单数据中的价格错误、商品数量错误等）而得出错误的结论，但数据治理本身并不进行诸如预测销售额、分析用户购买行为模式等具体的数据分析工作。
四、数据治理不包括基础的信息技术基础设施建设
（一）IT基础设施建设的范畴
信息技术基础设施建设包括构建服务器、网络设备、存储系统等硬件设施，以及安装操作系统、数据库管理系统等软件环境，这些工作主要是为了提供数据存储、处理和传输的基础环境，虽然数据治理需要依托于这些基础设施，但它并不等同于建设这些基础设施，企业在建设数据中心时，主要考虑的是硬件的选型、网络的架构等技术问题，而数据治理更多地关注在这个基础设施之上的数据管理策略。
（二）治理与基础设施的关系
数据治理是在已有的信息技术基础设施之上，对数据进行管理和规范，如果企业仅仅专注于基础设施建设而忽视数据治理，可能会出现数据孤岛现象，即各个部门的数据无法有效地整合和共享，数据治理不会去涉及如何布线、如何配置服务器等基础的信息技术基础设施建设内容。
五、数据治理不包括临时性的数据清理工作
（一）临时性清理的局限性
临时性的数据清理工作通常是为了应对某个突发的数据问题而进行的简单操作，当数据库出现某个表的数据溢出或者数据格式错误时，进行的应急清理操作，这种清理往往是局部的、短期的，缺乏系统性的规划和长期的考虑，而数据治理中的数据清理是基于整体的数据质量框架，从数据的定义、标准出发，对数据进行全面、持续的清理，以确保数据的准确性、完整性等多方面的质量要求。
（2）与治理性清理的区别
数据治理中的数据清理是一个持续的、基于策略的过程，它不仅仅是删除错误数据或者修正格式，还包括对数据的溯源、对数据质量问题的根源分析等，临时性的数据清理工作缺乏这些深度和广度，它只是一种表面的、权宜之计的操作，不能替代数据治理中的数据清理环节。
六、结论
明确数据治理不包括的内容，有助于企业和组织在进行数据管理时，更加清晰地划分工作范围，合理分配资源，数据治理是一个独立且综合性的管理领域，虽然与数据采集、特定业务数据分析、信息技术基础设施建设和临时性的数据清理等工作有一定的关联，但有着其独特的内涵和任务，不应与这些工作混淆，只有这样，才能更好地构建有效的数据治理体系，实现数据资产的价值最大化。
评论列表