前言回顾第 13 期完整落地案例、第 14 期 20 个治理踩坑其中反复出现一个高频困境项目轰轰烈烈验收即落幕。项目建设阶段有专项预算、专职项目组、高层重点关注一切推进顺利。一旦项目结项项目成员回归原有岗位专项预算缩减业务回归原有工作节奏。没过半年主数据标准无人更新、元数据资产长期不维护、数据质量问题不断反弹前期治理成果慢慢消耗殆尽。究其本质项目制是短期建设手段而数据治理是持续性业务工作。 把治理完全寄托在专项项目上本身就是一种设计缺陷。第 6 期联邦治理、第 13 期案例更多讲解项目建设期如何搭建组织、划分权责。而本篇我们把视角切换到项目验收完成之后组织如何运转、岗位干什么、考核怎么定、问题怎么闭环如何把一次性项目成果转化为企业长期的内生能力。第 13 期案例中的建设成果 —— 跨部门数据需求确认时间从 5 天缩短至 1.5 天、主数据重复率从 12% 降至 1.5%—— 能否持续保持取决于本文讨论的常态化运营体系是否真正落地。一、认清现实为什么大量治理项目验收之后快速失活先梳理几个典型现象项目结束专项项目组解散没有承接运营的固定岗位制度文档束之高阁只有项目期间执行没有日常工作流程只有建设 KPI完成多少标准、梳理多少资产没有运营类 KPI没有常态化问题闭环通道数据问题发现后无处上报、无人处理治理工作和 DCMM 评估、联邦治理体系割裂建设和运营两套体系。根源只做了 “建设设计”没有做 “运营设计”。很多企业在立项阶段只规划项目建设期工作完全没有规划验收之后的人员、流程、考核、资源相当于只建好公路却没有养护、路政、巡检队伍公路很快就会破损。核心结论常态化运营的设计必须在项目验收之前完成而不是项目结束之后再临时拼凑。二、常态化运营各角色完整工作清单提示这里的角色不是项目期间的临时项目角色是项目结束之后日常持续运转的常态化岗位。包含高层领导小组、数据治理委员会、数据认责工作组治理委员会下属执行工作组、数据治理办公室、业务域 Data Owner、业务数据专员、IT 数据支撑团队。补充说明对于业务复杂度极高、多法人业态的超大型集团可将「数据认责工作组」升级为独立的数据认责专委会但绝大多数中大型企业不建议设置两级委员会容易出现职责重叠、会议繁多、决策链条变长的问题采用委员会 下属工作组模式更简洁高效。1. 高层领导小组最高决策层不日常干活抓仲裁与资源日常工作清单每半年听取一次数据治理运营整体汇报审阅运营 KPI 达成情况审批年度数据治理工作计划、年度资源与预算处理数据治理委员会上报的跨部门重大利益冲突行使最终仲裁权对重大数据政策、数据标准变更进行审批把数据治理相关要求向下传递至各业务部门负责人。注意高层领导小组不需要月月开会重点抓资源、重大冲突、年度方向不介入具体工作的细节。2. 数据治理委员会协调决策层运营中枢日常工作清单每季度召开治理委员会例会审阅整体运营报告评审集团通用级数据标准新增、变更、废止协调跨业务域的重大数据分歧分歧无法解决提交高层领导小组仲裁审阅季度数据质量大盘、元数据资产健康度报告对接 DCMM 能力迭代、联邦治理顶层规则的版本迭代向下传导治理要求向上反馈运营中的卡点与资源诉求管理下属「数据认责工作组」接收工作组上报的无法协调的业务争议。3. 数据认责工作组数据治理委员会下属执行工作组承接原先 “数据认责专委会” 全部执行层面工作按月开展工作属于执行工作组不属于一级决策委员会。日常工作清单按月审阅各业务域字段级标准、主数据变更监督数据质量问题整改闭环情况监督元数据、数据资产目录的维护质量组织治理知识宣贯、业务部门答疑处理跨域业务层面的日常数据争议争议无法达成一致提交至数据治理委员会审议收集各业务域在联邦治理落地过程中的痛点反馈数据治理委员会。边界区分工作组处理核心交易数据、主数据、日常业务争议涉及资源投入、制度修订的重大事项上报数据治理委员会。4. 数据治理办公室 / 数据管理部常设执行机构这是很多企业容易忽略但至关重要的角色。没有这个常设机构治理委员会和认责工作组的运作会缺乏日常支撑容易变成 “开会才有治理不开会就停摆”。日常工作清单组织月度、季度、半年度例会准备会议材料同时支撑数据认责工作组的月度会议维护工单系统跟踪工单闭环情况汇总闭环率数据汇总各域 KPI 报表编制季度运营报告跟踪委员会、工作组决议的执行情况督办待办任务对接 DCMM 评估、联邦治理顶层规则版本迭代的日常事务管理数据治理知识库、文档库、指标标准库。定位治理运营的 “中枢”负责日常协调、会议组织、工单管理、KPI 汇总。5. 业务域 Data Owner业务第一责任人每个业务域设置重点Owner 不是 IT 人员是业务域负责人。日常工作清单对本业务域的数据标准、数据质量、数据资产完整性负业务责任审批本域重要主数据、核心业务对象标准变更审阅本业务域月度数据质量报告协调本域内部数据相关资源推动业务内部整改参与跨域数据标准评审代表本业务域输出业务意见。6. 业务数据管家业务侧一线接口人常态化运营最关键岗位很多企业缺失这个岗位直接导致治理断层。不需要全职可业务人员兼职但必须明确岗位职责。日常工作清单接收本业务域的数据质量工单组织业务内部核查、整改、反馈闭环维护本域业务术语、业务元数据更新业务释义参与主数据新增、变更评审输出业务视角意见统计本域治理 KPI定期向本域 Data Owner 汇报收集业务侧在使用数据资产、数据产品过程中的问题向上反馈在业务团队内部做治理规则的落地宣贯。激励设计建议将数据管家的工作量纳入绩效考核如占 10%-15% 权重并在年度评优中设立 “数据治理专项奖”让兼职管家有获得感。只写进岗位说明书而没有配套激励兼职管家很容易在 “本职工作优先” 的逻辑下把治理工作排到末位。7. IT 数据支撑团队技术支撑角色日常工作清单保障数据治理平台、元数据平台、主数据平台、工单平台稳定可用完成标准落地的技术实现校验规则、元数据采集、血缘采集输出数据质量统计、元数据健康度等技术统计报表配合业务完成问题定位不代替业务做业务规则整改支撑联邦治理下数据产品的技术底座维护。权责边界再重申业务人员对业务含义、业务质量负责IT 对平台、技术实现负责质量整改责任主体是业务。三、常态化治理 KPI 该怎么设计拒绝只考核建设指标项目建设期 KPI 偏向 “建设成果”梳理多少个资产、输出多少份标准常态化运营 KPI 偏向 “持续运行质量”问题能不能闭环、资产能不能保持健康、标准能不能持续维护。KPI 分为三大类过程运营指标、数据质量指标、价值与健康度指标。⚠️ 注意KPI 要拆分归属业务域指标考核业务部门平台稳定性类指标考核 IT 团队。①过程运营指标重点反映治理有没有真正运转起来数据质量问题工单闭环率周期内按时闭环工单 ÷ 全部工单目标建议 ≥90%工单平均处置时效从工单派发到完成闭环平均耗时数据标准评审及时率新增 / 变更标准按时完成评审占比业务数据管家参与率业务域是否按时输出本域治理反馈。②数据与资产健康度指标核心主数据重复率、缺失率核心字段元数据完整度业务释义、Owner、SLA、业务术语是否补齐目标建议核心字段 ≥90%血缘覆盖率核心数据产品端到端血缘完整比例数据资产健康度评分综合更新时间、访问热度、质量标记、是否僵尸资产。③价值与风险类指标重大数据质量故障发生次数僵尸资产占比长期无人访问、源系统已经下线但目录还存在的资产跨域数据协同分歧数量变化趋势数据驱动的业务决策占比以数据为依据的决策在重大决策中的比例注该指标统计成本较高中小企业可不作为强制考核项数据产品月活跃消费方数量每月实际访问和使用数据产品的业务用户数因数据质量改善带来的业务效率提升如报表产出周期缩短、跨系统对账工时降低。避坑提醒不要把 “资产目录总条目数量” 作为运营 KPI。建设阶段可以统计数量运营阶段数量越大不代表越好要考核健康度、使用率、闭环率。大量僵尸资产反而是负面指标。四、例会机制 问题工单闭环常态化运营两大抓手制度和岗位要靠流程载体落地核心就是两件事分层例会 工单闭环体系。1. 分层例会机制避免大而全的无效会议1月度业务域治理碰头会业务数据管家参加执行层参会各域业务数据管家、IT 支撑团队内容各域工单处置进展、元数据资产问题、标准落地卡点产出问题清单需要升级的问题提交数据认责工作组定位一线执行层面的沟通不请高层。2月度数据认责工作组会议参会认责工作组成员、各域部分 Data Owner 代表内容审阅月度汇总报告、核心交易数据 / 主数据标准变更评审、重大质量问题复盘、处理日常跨域业务争议产出会议纪要、决议、待办任务与责任人、截止时间无法达成一致的重大事项提交数据治理委员会。3季度数据治理委员会会议参会治理委员会全体内容季度运营大盘复盘、年度工作计划调整、跨域重大矛盾协调产出正式会议纪要需要升级仲裁的事项提交高层领导小组。原则小事开小会大事开大会。 不要所有问题全部堆到高层委员会避免会议臃肿低效。2. 问题工单闭环全流程治理的 “业务系统”数据治理不能依靠微信、邮件、口头沟通必须走可追溯工单流程。完整闭环链路问题上报业务 / IT 发现数据质量、元数据、标准问题→ 工单登记归属业务域派发给对应业务数据管家→ 业务管家组织业务核查定位根因业务流程问题 / 标准问题 / 系统实现问题→ 分类处置业务源头整改 / 提交标准变更评审 / 提交 IT 做系统改造→ 整改完成之后上报工单反馈进行结果复核→ 复核通过工单关闭复核不通过退回继续整改仍无法协调的争议升级提交数据认责工作组工作组仍无法解决再上报数据治理委员会→ 全部工单留存记录用于统计闭环率作为 KPI 原始依据关键认知工单不是 IT 的工单绝大多数工单的处理主体是业务。IT 只承担复核、系统改造的部分。AI 辅助运营成熟的治理运营体系可以引入 AI 代理自动检测异常、生成工单、推荐整改方案将业务管家从重复性工作中解放出来聚焦需要业务判断的复杂问题。注意AI 仅作为辅助工具业务最终判定、审批责任仍然归属业务人员不能交由 AI 全权决策。Gartner 早前预测到 2027 年半数以上的商业决策将由 AI Agent 增强或自动化完成治理运营也不例外。五、常态化运营如何和 DCMM、联邦治理体系联动很多企业两套体系割裂运营归运营DCMM 贯标归贯标联邦治理建设归建设。需要把常态化运营嵌入已有框架。1. 与 DCMM 成熟度体系联动DCMM 评估识别出来的短板不要只写在报告中拆解转化为常态化运营的月度、季度工作项日常运营产出的工单记录、会议纪要、标准变更记录、KPI 报表就是 DCMM 贯标需要的过程证据不需要后期再临时编造文档每一次 DCMM 测评反过来审视常态化运营体系的不足迭代例会、工单、岗位职责形成 「运营实践输出证据 → DCMM 测评发现短板 → 优化运营机制」 的闭环。对应第 3 期DCMM 是诊断工具常态化运营就是持续治疗的过程。2. 与联邦治理数据网格体系联动回顾第 6 期强联邦治理模式顶层最小标准统一各业务域自治。常态化运营就是联邦治理在项目结束之后的持续运转。数据治理委员会负责维护集团顶层最小标准版本迭代通过季度评审完成数据认责工作组负责核心交易数据、主数据类的日常评审与业务争议各业务域 Data Owner、业务数据管家负责本域内部数据产品、域内标准的日常维护跨域数据产品产生分歧走工单→数据认责工作组→治理委员会的升级链路元数据资产健康度监控作为联邦治理下数据产品质量的日常巡检手段。简单讲项目阶段搭建联邦的架构与制度常态化运营负责让联邦机制持续 “活” 起来。3. 与企业架构的双螺旋联动第 7 期讨论了企业架构与数据治理的 “双螺旋” 关系。常态化运营正是这个双螺旋在 “运营期” 的体现 ——架构设计提供治理的框架治理运营持续验证架构的有效性并将问题反馈给架构侧。例如运营中发现某个数据标准在实际业务中无法落地这个反馈会驱动信息架构的调整架构调整后新的标准又通过运营体系落地执行。没有运营反馈的架构是静态的图纸没有架构约束的运营是无方向的忙碌。六、破解 “项目结束治理就停止” 的实操建议结合大量项目复盘总结 6 条落地建议1. 运营方案前置设计不要等项目结束再考虑在治理专项项目立项、项目验收之前就要输出常态化运营方案明确岗位含兼职岗位、KPI、例会、工单流程项目验收条件之一就是常态化运营方案正式审批完成岗位人员已经确认到位。不能项目做完运营还没有方案。2. 不追求全部全职岗位接受 “兼职为主、少量专职”很多中小企业没有条件设置大量全职数据治理岗位。业务数据管家可以业务骨干兼职但岗位职责、考核必须写进岗位说明书不能是可有可无的额外副业。IT 侧建议保留少量专职支撑人员。同时必须配套激励设计让兼职人员有获得感。3. 治理要产出业务可见价值不能闭环只处理故障不能治理永远只充当 “救火队”天天处理数据错误。要结合业务场景用高质量数据资产支撑报表、自助分析让业务实实在在感知收益业务才有持续投入的动力。只出问题才想起治理必然难以长久。4. 建立渐进式退保护机制避免项目一撤立刻归零项目结束后的前 6 个月保留适度资源倾斜作为过渡期过渡期重点跑通例会、工单、岗位分工过渡期结束再完全切换为常态化模式不要一刀切直接切断项目资源。5. 高层关注要从 “项目建设” 转向关注 “运营 KPI”项目阶段高层关注平台上线、制度输出进入运营期高层需要看的是工单闭环率、主数据质量、资产健康度而不再看建设成果。6. 建立治理运营的价值论证机制很多治理运营团队面临一个真实挑战高层会问 “我们每年投入这么多人做治理到底值不值” 建议建立简洁的 ROI 论证框架投入侧治理运营人力成本 平台运维成本 业务管家时间成本产出侧报表产出周期缩短带来的效率收益、数据问题修复工时下降、业务决策效率提升、合规风险降低减少监管不合规带来的潜在损失呈现方式每半年在运营报告中用一页纸呈现 “投入 vs 产出”让高层看到治理运营的正向价值而非仅仅是 “不出问题”。总结数据治理建设是一次性事件运营是永久性业务。项目制解决 “从 0 到 1 搭架子”常态化运营解决 “从 1 到 N 活下去”。很多企业失败不是架构、方法论选错而是只完成了项目建设完全忽略运营体系设计有制度没人维护有平台没人使用有问题没有闭环通道。一套有效的常态化运营体系核心要素可以概括为五点人明确从高层、Owner 到业务管家的完整角色与日常工作清单接受兼职模式但权责不能悬空枢设立数据治理办公室 / 数据管理部作为常设办事支撑机构数据认责工作组隶属于数据治理委员会办公室为工作组提供会务、工单管理、KPI 汇总等落地支撑考摒弃重建设的指标建立面向持续健康运行的运营 KPI指标权责拆分到业务与 IT流程分层例会 可追溯工单闭环让所有治理活动有记录、有督办联动运营和 DCMM、联邦治理、企业架构打通把治理融入企业已有管理体系而不是一套孤立的额外工作。往期系列回顾0 期 业务架构数据治理的起点 | 1 期 TOGAF 与华为 4A 架构融合 | 2 期 信息架构设计方法 | 3 期 DCMM 成熟度评估 | 4 期 数据质量源头治理 | 5 期 数据网格架构范式 | 6 期 联邦治理落地实践 | 7 期 企业架构与数据治理协同 | 8 期 Data Fabric 落地策略 | 9 期 元数据智能演进 | 10 期 元数据与数据网格融合 | 11 期 大语言模型时代的语义元数据 | 12 期 AI 就绪数据体系搭建 | 13 期 数据治理落地全流程复盘从架构设计到 AI 就绪底座搭建的企业完整落地案例 | 14 期 企业数据治理高频踩坑总结架构、治理、AI 落地 20 个典型误区与解决方案参考资料DCMM 数据治理组织与制度建设指南华为数据之道数据治理常态化运营实践Gartner 数据与分析治理趋势报告多集团企业数据治理工单闭环实践案例