做過咨詢的彭友知道，頂層設計和戰略咨詢會根據戰略目標分解KPI，然後設立相應的配套項目，按照優先級別排序，最後形成實施路徑。
今年做什麽，明年做什麽，先做什麽，以後做什麽，都計劃得很清楚。
那就跟著地圖走。壹般邏輯如下:
這種好處顯而易見。首先是面，然後是索，最後是各種點狀工程。稍微實施壹下，效果自然就不說了。
但是這樣的方案是非常非常奢侈的，因為見效慢，需要非常非常高的組織。能耐得住性子的機構很少，壹般都要速效。
基本上只有壹些政府單位和少數企業通過這種方式取得了數據治理的成功。
02****技術推廣法***
敏感的朋友註意到了，這叫“技術推廣法”，不是技術領先什麽的。
實際上，這種方法是大多數企業采用的數據治理方法。原因其實很簡單，因為大部分數據治理項目都是在信息部門發起和實施的。
既然是技術部的事情，當然是技術部推動的。說實話，類似的事情我見得太多了，很少有效果好的。
“華為的數據之道”說要“以業務為導向”，沒錯，但幾乎沒有做到。道理很簡單，屁股決定腦袋。業務負責人的主要職責是從事業務，不可能主動去做數據治理。
技術驅動的套路沒什麽好說的，就是從技術層面解決數據問題。套路是信息系統建設的邏輯。建立壹個項目，做研究，總體設計和詳細設計，開發，集成，測試，部署，然後接受。
效果壹般。因為大部分都是面向問題，頻繁“打補丁”的構造。最後往往是各種爆款，報表，指標，數據問題。
然後開始上指標體系和數據質量體系，貼了壹個又壹個補丁。最後沒人敢動。
歸根結底是因為數據的問題是系統性的，技術原因只是其中之壹。造成這種現象的原因是企業參與不足。
在企業中，誰賺錢誰就有更大的話語權。業務自然是利潤中心，而技術壹般是成本中心。簡單地讓技術推動數據治理，就像讓兒子督促父親戒煙壹樣不靠譜。
03 * * *牽引法的應用* * * *
如果說技術推的是兒童推車，那麽牽引的應用就是壯牛拉車得心應手。有了前面牽引的應用，後面的各種事情就很自然了。
很多企業在構建數據系統時喜歡先弄個大屏幕，這不是沒有道理的。因為沒有“用”的東西壹文不值。
雖然大屏的用戶比較單壹，實用價值比較低，但畢竟還是有使用場景的，比沒有使用場景的純技術開發建設好不了壹點。
以數據應用為牽引，需求各環節的優質數據供給，推進數據治理體系建設，也是壹個不錯的選擇。
但是，這樣做數據治理，總會導致壹邊倒、局部勝利。有應用的地方可以管理數據質量，沒有應用的數據質量無人問津。
04****標準第壹方法***
說實話，我只遇到過幾個標準現行法的真實案例。
甲方在建設業務系統時，將數據標準與業務系統綁定。所以他們在做信息化建設的時候，就已經建立了所有的數據標準。
我在過去的時候，發現數據治理真的那麽簡單，完全是壹個純技術活，不考慮人的因素。
所有的表都是按照統壹的數據模型構建的，所有字段的鍵值都在新發布的數據字典中，甚至為壹個“主數據”構建了單獨的管理系統。
我以前是建數據庫和表，開發ETL，收集數據，然後整個規則引擎根據配置結果自動計算數據質量，定期發布數據質量報告。
為什麽會有這麽多數據質量問題？很簡單。沒有標準。沒有標準就沒有對錯，自然就亂套了！
有了標準，我們才能確定什麽是對的，什麽是錯的。接下來的實施、監測和控制就有了依據，數據質量也有了保證。
05監督驅動法
這個很好理解，就是強監管。
強監管通常是上級單位出臺政策，下級單位執行。而做不好，就會有懲罰。
銀行、保險等監管力度大的行業跟隨政策。如果不做好數據管理，不按照EAST，1104的要求提交數據，罰單很快就來了。
別想著鬼混，有本事就做全套假數據。假數據和真數據壹樣，表與表之間的勾對關系正確，各個維度都找不到破綻。
當然，這種強監管模式也可以在企業內部實行，但需要“特權”。這個前提通常很難實現。
有壹個很棘手的辦法，就是通過標準。例如，現在國家正在推行DCMM標準。
執行標準有壹個特殊的好處，就是把“標準執行評級”列在組織的年度目標中，這樣可以在企業內部形成巨大的“勢能”，形成強有力的監督局面。
當我們揮舞“DCMM標準實施”的大棒時，推動數據治理的力度自然要比某個部門或幾個部門大得多。
當我們為壹個企業通過DCMM標準時，我們發現技術部門已經制定並發布了數據安全的制度和流程。但是和大多數企業壹樣，發出去之後就會變成壹紙空文。業務覺得安全控制太麻煩，根本不實施。
現在不同了。技術部門以“執行標準”為由，要求業務執行之前發布的制度和流程。雖然業務不情願，但是達標是企業級目標，大家都要做，所以會不情願的去執行。
其實說到底，監管驅動法就是順勢而為，上級政策要求的情況，國家標準的情況。用大勢推動推不動的部門，疏通阻力大的流程。
06 * * *質量控制法* * * *
質量控制方法其實是沒有辦法的，可以算是數據管理的早期雛形。因為說起來，數據管理的理論體系追溯，其實就是來源於質量管理體系。
CMMI(能力成熟度整合模型)、O9000(質量管理標準體系)、TQM(全面質量管理體系)不僅僅是軟件！)，都屬於壹般管理系統。
繼ISO9000之後，ISO8000(數據質量管理標準體系)被開發出來，TQM擴展了TDQM(全面數據質量管理體系)。CMMI協會也在2014推出了DMM(企業數據管理能力成熟度模型)。這是數據領域的質量管理體系。
我國參考CMMI等數據管理系統，於2018正式發布了《數據管理成熟度評估模型(DCMM)》國家標準，這是後話。
和其他行業壹樣，質量是繞不過去的。無論妳是業務還是技術，相信彭友都為數據質量撓過頭。質量出了問題，數據就沒有了，甚至會影響錯誤的決策。
因此，由於各種數據質量問題，企業內部和外部都很重視，並逐步解決數據質量問題。
數據質量控制是顯而易見的，面向問題的。但不能治壹個頭疼醫頭，要有方法論。
壹般來說，必須有壹個具體的需求，包括數據質量控制目標、評價標準、決策規則等等。
然後根據階段性目標和需求，從事前預防、事中監控、事後驗證三個方面進行質量控制，解決各種數據問題。
在解決問題時，將成立專項，從技術、流程、制度、機制等方面提升數據質量，並定期進行評估，建立數據質量問題及解決方案知識庫，以便日後類似問題快速定位和解決。
在這個過程中，以數據質量為牽引，綜合運用元數據、主數據、數據標準、系統規範等手段來“構建”應用，自然不會出現不會用的情況。
07 * * *利益驅動法則* * * *
興趣驅動法其實很有意思。這是我偷偷觀察總結的壹招，好像特別管用。
其實說白了，也沒什麽。只不過是壹招:以享受利益為基礎，以“成就”為導向，建立符合部分核心人員利益的目標，然後去推動。
具體操作方法有很多，如成功案例法、合作獲獎法、獎勵法、書法、會議法等。，以及互聯網公司保命的“開源方法”。
08****工程建設法***
這個很好理解，就是弄個數據治理項目，慢慢建。
事實上，到目前為止，數據治理已經形成了壹套非常完善的流程，相關的產品能力也已經非常全面。
我之前參與的項目基本涵蓋了數據咨詢、數據采集、* *共享交換、數據倉庫、數據標準、元數據、主數據、數據質量、數據可視化、數據分析等整個數據流程。
目前效果比較好的是咨詢和實施相結合。
做壹個咨詢，盤點壹下數據狀況，全面掌握企業未來的戰略和現狀，然後根據數據管理系統進行差距分析，擬定要實施的具體任務，按照時間進度進行項目的拆解和規劃。
然後在項目的實施中，先深入壹個場景，再慢慢從深度和橫向層面展開成果，構建元數據、主數據、指標體系、數據質量管理體系等。，不斷夯實數據基礎設施，為前端數據應用提供高質量的數據供給。