做好数据治理，让数据可得可见可懂可用

（整理自陈东升-中兴新云视频号，发布于 2025 年 6 月 23 日）

对于我们数字化来讲，我们最终呈现给领导的这些决策建议，就是我们的数字化的产品。最终这个产品它的质量怎么样，它取决于什么？首先它取决于你最开始的原始的数据，也就是我们的原材料。

在统计学、在财务数字化这个领域，有两句非常出名的名言。第一句叫什么？叫垃圾进垃圾出：如果你进来的原材料、进来的这些数据本身质量不好，它是垃圾，那么你再怎么加工，你最终的结果也是不对的，你出来的还是垃圾。第二句名言叫什么？叫好的数据胜过好的特征，好的特征胜过好的算法。什么意思？如果你的数据质量不好，你用再好的算法，用再强大的算力，你仍然没有办法得到一个正确的结论。总而言之，数据的质量，原始的原材料是非常重要的。

谈到数据质量的时候，我们大家的第一反应往往是什么？往往是说这个数据准不准。但实际上数据准不准，这只是影响数据质量的一个因素，影响数据质量的还有很多因素：

真实性：这个数据是真实的还是伪造的；

及时性：我们要知道对内的经营分析数据是有时效性的，有的时候晚一周晚一天，甚至晚一个小时，这个数据就没有价值了；

唯一性、一致性：一个员工在公司只有一个工号，在不同的系统里面他这个工号都是一致的；

相关性：给领导提供数据的时候，并不是数据越多越好，数据太多跟没有数据效果是一样的，因为领导没有精力在那么大量的数据里面找到那么几条对他有用的信息，所以给领导提供数据的时候，应该尽可能是跟他的决策相关的；

完备性、有效性等等。

总之，影响数据质量的因素是很多的，每一个方面做得不好，最终你的数据质量都是要减分的。

这么多因素都想把它做好，最终让你的数据能够满足质量要求，这其实是一件要求很高的事情，就催生了我们现在在数据工作当中一个新的课题、一件新的命题，这就是数据治理。

数据治理就类似于污水治理：我们怎么样把污水变成清水，变成可饮用的直饮水；我们怎么样把那些质量不合格的数据，变成能够符合我们数据加工处理、支撑公司决策的合格的数据。这就是一个数据治理的过程。

对于一个企业来讲，数据治理是非常重要的一件事情。数据治理如果做不好，你的数字化是没有办法做好的。我接触过很多大的企业，经过和他们的调研了解之后会发现，你说他的系统有没有？下面有没有中台？有。上面有没有报表系统？有。该有的基本都有，但是你会发现他数字化就是没做起来。一了解会发现，里面一个很重要的原因就是他的数据治理没有做好。

整个数据治理体系是一个很庞大的体系，这里面包含：

数据架构：你的数据分类、数据分层、数据分布、数据流转、数据血缘关系；

数据标准的治理：你的技术标准、业务标准、管理标准；

数据质量的管理：你的数据哪些是合格的，哪些是不合格的，怎么样清洗，怎么样去还原；

主数据的管理、元数据的管理、数据生命周期的管理、数据安全的管理等等。

通过这一套治理的过程，要让你的数据达到一个什么效果？

可得：所有的数据是能够得到的；

可见：什么叫可见？你有很多数据，但是这些数据如果没有进行资产化的管理，不能像那种资产一样，有资产标签，有检索系统，那么很多时候你会发现，这些数据虽然存在，但是你想用的时候你是找不到的。所以我们需要资产化的管理，让数据是可见的；

可懂：每一个数据你要知道它有哪些内容，有哪些信息。如果我们把数据定位成数据资产的话，那么我们说元数据就好比是这个资产的资产卡片，通过这个资产卡片我们就知道这个数据包含一些什么内容；

可用：让你的数据质量符合相关的标准，能够达到一个可用的状态。

整个数据治理我们要达到这 4 点：数据是可得、可见、可懂、可用的。

做好数据治理，让数据可得 可见 可懂 可用

做好数据治理，让数据可得可见可懂可用