数据是一种新型生产要素，是金融机构业务开展的基础性要素，高质量的数据是提升业务效率、加强管理与分析能力的必要条件，数据治理是金融机构提升数据质量的关键性、基础性工作。

当前数字化转型的浪潮下，外部监管要求以及内部经营管理需要都对数据治理提出更高效、更准确、更完备、更合规的要求，金融机构应该如何持续性的推进数据治理工作呢？

整体规划，制定数据治理路线图

通过问题收集、访谈等方式调研数据架构、现有的数据标准和执行情况，数据质量的痛点等来摸清楚数据资产的家底，并结合监管要求和行业先进实践来制定切实可行的数据治理路线图。

架构支持，建立数据治理组织架构机制

建立明确的数据治理组织架构与人员角色定义，明确不同数据责任人的职责，对某一特定数据范围内的信息的正确性、一致性和及时性负责。制定数据的认责机制和考核机制，定期对数据治理的执行成果进行考核和反馈。

制度约束，制定数据治理管理流程和办法

数据治理各领域的管理流程、组织架构与职责需要以制度的形式发布，使数据治理的各项工作有据可查，使其具有约束力。针对数据治理的每个管控领域提出相应的管理制度，并在此基础上形成企业级数据管控政策。包括：数据标准管理办法、元数据管理办法、数据质量管理办法等。

设计数据治理各领域的管理流程，规范化数据治理工作执行过程定义数据治理各个领域的工作方法和步骤，明确各个相关部门在数据治理各个领域中的分工和协作关系。包括：数据标准管理流程、元数据管理流程、数据质量管理流程等。

平台支撑，建设数据治理平台

建设数据治理平台是为支持数据治理相关人员的日常工作，节省人工，提高效率，可以支撑数据质量的规则，问题的集中管理；支撑数据标准的发布，查询，变更等流程等，包括：数据标准管理平台、元数据管理平台、数据质量管理平台和数据安全管理平台等。

局部治理，从落地成效寻求治理的最佳性价比

局部治理可以以高优先级数据质量问题改进或者以满足急迫的监管要求为依据局部推进数据治理工作，寻求数据治理的最佳性价比。让阶段的治理见成效，体现数据治理的价值与成果，主要考虑以下几个落地场景：

1.专项治理见成效

从监管专项数据治理或客户信息专项治理提升作为切入点，采取重点突破的方式，快速有效的提升监管、客户数据质量，展现数据治理的价值与成果，为长期推进数据治理打下坚实基础并提供有效的参考经验。

2. 数据资产门户见成效

通过搭建数据资产门户，清晰直观地展示客户有多少数据源；有多少报表；有多少指标；有多少元数据；制定了多少数据标准；建立了多少质量检核规则；发现了多少条有问题数据，处理了多少条问题数据；数据质量问题逐渐减少的趋势情况；数据质量问题根据部门、系统的排名情况，促进数据治理的考核和反馈机制；数据的血缘分析和影响分析等。

3.搭建指标中台见成效

通过梳理全行的指标结构，搭建全行的指标体系，梳理指标间同名不同义，同义不同名的情况，归纳提炼指标标准来落实数据治理；

4.伴随新一代IT建设落地数据治理

以重要交易系统建设为契机，通过数据标准建设、数据开发管理、数据资产运营等治理活动，将数据治理全过程融合进IT项目的生命周期中：规划需求、设计开发、测试上线、运营运维等阶段。

5.开发设计线上一体化见成效

通过建设建模平台、低代码开发平台等数据管控平台，严格控制线上化、规划化开发，规避人工开发带来的数据规范及数据质量问题，将数据治理的流程与数据开发的全生命周期融合，在数据开发过程中完成数据治理，实现设计即开发，开发即治理。

结语

路漫漫其修远兮。笔者认为，在数字经济时代，对于金融机构来说，为了更好的推进数字化转型，数据治理不是选答题而是必答题。金融机构需要从组织架构支持，制度流程配合，平台工具支撑，再结合切实有效的落地场景才能让数据治理工作见成效，推进其可持续建设。