如何看待数据治理的演进路径？

完整的数据治理项目通常包括目标、组织、制度、工具、标准五个关键要素，缺一不 可。

同时，在数据治理项目的外部，需要通过有效的培训手段提升相关人员数据管理意识， 并配合规范的管理制度建设和企业文化建设，为数据治理项目实施提供保障。最后，数据治 理及应用的实施落地是一个系统化工程，从阶段划分上可分为前期准备阶段、实施落地阶段 以及与企业 IT管控流程整合阶段。 前期准备阶段重点开展数据治理相关分析与准备工作。

前期准备阶段的主要工作内容 包括重点工作领域梳理，主要解决问题分析和现有工作流程梳理。信托机构可以根据自身特 征，分优先级展开前期准备工作，摸清数据治理前现状，确定重点开展的领域，对现有工作 流程进行体系化梳理。其中，重点工作领域通常围绕数据治理的核心要素展开，即数据标准 定义、数据质量管理和元数据管理。主要解决问题以业务、监管关注的问题为主线，如解决 业务系统建设过程中数据产生质量的源头控制问题，解决业务统计、监管报送、财务分析、 管理会计等指标口径一致性问题，解决业务发展过程中发现的数据指标治理的问题，解决信 息资源管理以及信息科技的基于影响性分析的全流程变更管理的问题等。主要工作流程配合 工作领域展开，如对数据标准定义流程、数据标准的工作执行流程、数据质量的检核管理流 程、数据模型管理流程、数据交换流程、数据开发流程等展开深入梳理工作。前期准备工作 可以与数据治理厂商协同开展，通过咨询模式建立起满足信托机构自身要求的数据治理工作 范围。

数据治理的实施落地过程采用敏捷方式分阶段落地。通过前期梳理确定的工作范围与目 标，设立分阶段目标，制订敏捷化工作计划。信托机构在数据治理实施过程中，从无到有通 常会采用三阶段划分模式。一阶段以完善企业数据平台基础建设为中心，开展数据治理相关 工作，主要包括数据治理平台体系建设，应用体系建设，核心数据体系建设，基础支撑框架 建设等。二阶段聚焦于企业数据平台应用的优化治理，包含管控体系的优化，应用治理的深 化，数据模型的深入治理，对外合作的治理，数据安全的深化。三阶段侧重于泛数据资源治 理与要素管控，提升数据治理问题发现前置度，提升数据治理的实时性与智能化，促进数据 治理成果的应用推广。