本文来自微信公众号“数据驱动智能”，作者/晓晓。
在数字经济时代和数字化转型的背景下，数据这一要素的重要程度凸显，数据找不见、要不到、用不了等难题困扰着大量的企业和组织，因此数据治理就提到了关键的是日程上。由于传统思维和认识的影响，大部分企业和组织的业务部门根深蒂固的认为数据问题就是信息部门的责任，实则不然。数据生产者大都是业务，数据使用者大都是业务，数据所有者大都是业务，也就是说业务是最了解数据问题的。然而，由于数据思维的匮乏和缺失，往往在数据治理的过程中业务参与度不高，从而也就导致了数据治理的价值难以显现。那么如何解决这个问题，还要价值呈现的源头考虑，以业务的数据应用驱动数据治理，以业务的数据应用场景关联业务价值，以业务的数据质量牵引问题解决，以问题的解决结果体现治理能力，这样才能更好的体现数据治理的价值。
一必须加强数据应用
在数据驱动的时代，不基于数据做出决策，就容易导致失败和损失。但是，数据应用过程中总会存在这样那样的问题，怎么办？这就涉及几个问题：
（1）.一是是否开发和策划了基于战略和业务的应用场景
数据驱动的重要体现就是场景化应用，所以场景的开发和设计应该纳入业务数字化转型的重要考核内容，否则业务做出的决策大都是靠直觉的。因此，可以把场景的数量、场景的有效性、场景的价值等作为指标进行持续跟踪考核，并辅以激励机制。这样，才能调动业务部门的积极性，才能真正让数据发挥价值。
（2）.二是是否业务提出了具体的和场景相关的数据问题
数据问题大都是业务在使用过程中发现的，比如完整性、一致性、准确性等。因此，一个企业是不是真正数据用的好就看业务提出的数据问题多不多。现实情况往往是一问业务就是没问题，反倒技术部门总是反映完整性、一致性、相关性等问题。这就本末倒置了，用数据的没有问题，不用数据的总有问题。
（3）.三是这些问题是否能够得到有效的解决并可以应用
实际上，数据问题是影响数据使用的重要因素，比如不准确、不及时、不规范、不共享等等，那么业务提出问题的时候能不能有效解决就很重要。我们经常发现业务部门之间要不到数据的问题，找到信息管理部门，信息管理部门不知道怎么办，找到对应业务部门，业务部门也不知道该不该共享，折腾几次就没有人对要数据有热情了。其实这就是典型的数据治理问题，他需要构建一致的协同机制解决，而不是话传话，考感情解决。
（4）.四是这些问题的解决是不是需要数据治理程序介入
数据问题的解决有的是机制问题、有的是技术问题、有的是人的问题，因此在发现数据问题时要分类进行分析，只要涉及机制体制、制度流程、绩效激励等问题，就可以归结为治理问题。也就是通过治理来规范数据问题解决的能力，做到发现问题能落实到岗位、能落实到人、能落实到结果。以问题结果成效完善治理机制。
二必须体现应用价值
数据的应用必须也业务价值高度关联，对战略和业务不产生价值的应用场景就是负债，因此在构建数据应用场景时必须考虑对业务的贡献度。这也是数据应用价值的直观体现，这里面涉及几个问题：
（1）.一是哪些数据场景是有价值的场景
构建高价值的业务场景是数据场景构建的第一原则。现状是有的企业梳理了很多的数据场景，持续应用的又不多；有的企业则不知道有哪些数据应用场景。这是两个极端，其实数据场景就是以业务经营管理应用为基础，以赋能业务经营管理为目标。能够为业务管理带来价值的场景就是好的，无论辅助决策、降本增效还是模式转换。因此，数据场景是否有价值就看是否真的为业务带来价值。
（2）.二是如何构建针对业务价值的指标
当前，很多企业都在开展指标体系建设的工作，梳理的指标少则几千，多则几万，甚至更多。指标的建设是必要的，指标是反映企业、部门发展健康程度的指针。但是，无法预测、推演、决策的指标梳理的再多，对业务价值贡献也不大。目前，很多企业指标还是孤立的竖井式统计模式，只在部门内容或垂直条线有作用，无法形成横向拉通、纵横一体的战略模式。
（3）.三是数据治理如何在过程发挥作用
实际上，数据治理最重要的目的就是保障价值实现的，因此对场景的价值化要制定监督和测量计划，保障场景的价值化实现，保证指标的可持续健康高质量作用。因此，数据应用场景的制修订管理、指标的制修订管理、场景指标的治理，都应作为数据治理在这一过程的重要工作。
三必须快速解决问题
数据问题是影响数据使用最大的因素，而且有些问题并不容易解决。在解决数据问题过程中主要涉及以下几个方面：
（1）.数据问题反馈的渠道和规范程度
（2）.数据问题的定责和如何进行解决
（3）.数据问题优先级划分和影响因素
（4）.数据治理在数据问题过程中作用
四必须融入治理能力
传统的数据治理和传统的工作思维碰撞在一起很难发挥作用，有时候竟然还会朝着相反的方向并产生矛盾和冲突，所以，必须改变传统的数据治理理念和方式，这就涉及几个转变：
（1）.一是由被动治理向主动治理转变
（2）.二是由治理思维向服务思维转变
（3）.三是由管理壁垒向协同融合转变
（4）.四是由数据管理向数据工厂转变
（5）.五是由成本思维向价值思维转变
五必须打造流通体系
激活数据要素生产力，打造数据高效流通的体系，才能发挥数据更好的价值。但是，在企业中如何打造流通体系，这就涉及以下几个问题：
（1）.如何打造数据底座
（2）.如何汇聚交换数据
（3）.如何建立确权体系
（4）.数据治理机制作用
