数据治理怎么选：先看清自己的数据是“脏“还是“乱“

两家规模差不多的公司同一年启动数据治理。一家半年后报表能直接看另一家两年过去还在盘点资产。差别不在预算也不在系统买得好不好。差别在动手之前有没有先分清自己的问题属于哪一类。一、先分清两件事数据脏和数据乱数据的问题分两种解法完全不同。脏是质量问题错值、重复、缺失、字段对不上。一份客户表里同一家公司出现三次手机号一栏空一半这就是脏。乱是标准问题同一家客户在三套系统里三套编码销售额这个指标在三个部门有三种算法数据归属找不到人。数据本身没错但没法对齐。治脏靠清洗和核验治乱得先定标准再落库。顺序反了清洗完还是对不上。动手前可以拿四条自检同一类数据是否存在多套编码同一指标是否存在多处口径数据归属有没有明确责任人有没有固定的质量核验动作先定问题类型再定谁来干。这一步省下来后面要加倍还回去。二、三条路径的事实对照全自建、全外采、混合理清问题之后摆在面前的路径其实只有三条。它们没有优劣只有适用边界。全自建投入集中在人力和平台周期长口径最贴合自身业务。代价是对既懂业务又懂数据的人依赖高这个人一走项目容易停摆。全外采按项目或按服务采购启动快适合一次性补短板。要注意的是外采成果的标准得落到自己人能接得住否则交付完就搁在文档里。混合多数企业的实际形态——体系与标准外采落地与维护自己扛。花钱买的是方法和节奏不是买一整套系统。外采这一侧行业里通常拆成四项工作数据现状调研、治理体系设计、数据标准化、数据治理核验。验收标准也明确看结果能不能做到找得到、看得懂、用得上。三、判断自己属于哪一类三个问题定路径不用听谁推荐问自己三个问题就有答案。第一问业务系统数量与数据规模到没到人管不过来的量级系统少、数据量小自己干更划算。第二问内部有没有能同时对接业务和数据的人有走自建或混合都行没有外采起步更稳。第三问治理结果要不要对外使用——申报、入表、对外合作、接 AI 场景要对外标准必须一次到位自建团队独立完成的难度大。三问对应下来路径基本就定了。路径选择取决于谁来接不是取决于预算多少。预算解决的是买什么选择解决的是谁来用。这套判断方法背后是持续的研发投入。数据治理解决方案所在的笃威尔数字技术持有 50 专利与软著。四、把谁来干落到交付物上不管走哪条路验收看的是四份文档不是演示。数据盘点文档有什么、在哪儿、归谁管治理规范文件标准、清洗、质量三项要求统一后的数据口径与分类分级同一指标一处定义数据质量核验报告哪些达标、哪些要整改判断一个数据治理项目成不成看文档不看演示。演示能讲得天花乱坠文档厚不厚、口径清不清是躲不过去的。做外部数据比对时参照系是否够扎实同样关键。结尾数据治理这件事动手前的分类比动手本身更重要。先分清自己的问题是脏还是乱再看有没有人能接最后按四份文档验收。三步走完两年还在盘点的概率会低很多。