《企业数据治理实务》-1-2天

《企业数据治理实务》

【课程背景】

数据已被确立为继土地、劳动力、资本、技术之后的第五大生产要素。国家数据局会同国资委启动"国有企业数据效能提升行动"，12 家央企成为首批试点牵头单位，目标是到 2027 年显著提升数据治理与开放共享水平，带动超 10 万家中小企业；14 家央企牵头首批国资央企可信数据空间建设试点。与此同时，数据资产入表的政策窗口已经打开——但所有入表方案都指向同一个前置条件：数据得先理得清、管得住。

但落到企业内部，真实状态往往是另一个样子。数据攒了很多，长期沉睡在各系统里：供应商、物料、客户在不同系统各有编码，口径对不上，报表不敢用；制造现场的数据存在缺失、噪声与不一致，采集上来还要人工返工；数据到底归谁负责、业务部门和数字化中心各管到什么边界，多数企业说不清。央企数据要素普遍卡在四处——权属不清、标准不一、流通受阻、价值难估。于是数字化转型投入不少，却始终在"系统上线了、数据理不清、决策还是靠经验"这一层打转。

本课程以"数据治理是数字化转型的底座"为立论，沿"为什么要治 → 家底与权属 → 质量与标准 → 谁推怎么见效"四步推进，把数据治理从一项技术工程还原为一件经营事项。本课可独立交付，也可作为其它数字化转型课程的加厚模块。

【课程收益】

明确数据治理在数字化转型中的底座定位，说清为什么没有治理，资产化与 AI 应用都落不了地

掌握企业数据家底的盘点口径，以及分类分级与三权分置的确权原则

学会用数据质量五维诊断企业数据问题，定位问题源头与责任主体

建立主数据与数据标准的管理规则，解决多系统口径不统一

理清数字化中心是业务支撑方而非业务 Owner 的边界，以及数据管家的职责

带回一份本企业数据治理启动路线图与 90 天首项动作

【课程特色】

管理视角先行，以"为什么要治、账怎么算、谁负责"为主线，不陷入工具与技术细节

双口径家底盘点，采购与供应链两套数据盘点切口，学员现场可对号入座

诊断工具可直接带走：数据质量五维体检表、数据管家职责清单、治理启动路线图

案例驱动，所有方法均通过白涛老师已交付的真实项目讲透，含同主题的央企数据要素交付

【课程对象】

企业数字化中心数据管家与数据管理岗、信息化或数字化部门负责人、业务条线数据 Owner 与关键用户、供应链与采购条线骨干

★ 建议学员中包含业务部门的数据 Owner——数据标准须与业务共创，业务不在场则规则定不下来

【课程时间】

1 天（6 小时/天）；可按需扩展为 2 天（增加演练与技术下探）

【课程大纲】

模块一：数据理不清，数字化转型为什么就走不动？

本模块旨在把"数据治理"从技术议题还原为经营议题，学员带走一张本企业数据问题清单。

1. 治理为什么是数字化的底座

• 数据治理的三部分工作（定义职责与决策权、制定原则标准规则、建立连续监视与控制）

• 治理与运营的双目标（打破数据孤岛、确保源头准确、促进共享、保障安全）

• 数据中台作为治理的技术载体（数字化转型的技术框架与载体）

2. 企业数据普遍卡在哪四处

• 央企数据要素四大挑战（权属不清、标准不一、流通受阻、价值难估）

• 制造现场数据的常见质量问题（缺失、噪声、不一致）

• 多系统各自为政的后果（同一物料多个编码、口径对不上、报表不可信）

3. 治理缺位会连带失去什么

• 数据资产入表的前置条件（权属清晰、计量可靠、成本可归集）

• AI 应用的数据前提（以高质量数据训练行业大模型）

• 安全与合规底线（数据可用不可见、可控可计量）

案例：某通信央企供应链条线的数据资产激活现状盘点

研讨：本企业数据"最堵的一个环节"是权属、标准、流通还是价值？

模块二：企业的数据家底有多少，又归谁管？

本模块旨在把数据家底盘清、把权属定明，学员带走一份本企业数据资源清单与责任矩阵。

1. 数据家底的盘点口径

• 采购条线四类（供应商、价格、合同与履约、需求与预测）

• 供应链条线五类（交易、物流、供应商、风控、运营）

• 主数据的范围界定（物料、供应商、客户、组织四类核心主数据）

2. 分类分级与确权原则

• 数据分类分级（按业务域分类、按敏感度与影响分级）

• 三权分置（资源持有权、加工使用权、产品经营权）

• 合规底线（涉个人信息须脱敏，重要数据不得违规出境）

3. 谁对数据负责

• 数据管理委员会（顶层战略引领、跨部门决策）

• 数据管家与数据 Owner 的三级责任（业务定标准、数据管家管质量、IT 管平台）

• 数字化中心是业务支撑方而非业务 Owner 的边界

案例：某通信央企采购条线四类数据资产的盘点与激活实践

演练：盘点本企业一个业务域的数据资源，标出主数据与责任人

模块三：数据质量与标准，怎样才能真正管住？

本模块旨在建立质量与标准的管理规则，学员带走一份数据质量体检表。

1. 数据质量的判定标准

• 数据质量五维（完整性、规范性、及时性、一致性、逻辑性）

• 质量问题的两类来源（采集端缺失与噪声、系统间口径不一致）

• 从质量诊断到责任定位（谁产生谁负责、谁使用谁反馈）

2. 主数据管理怎么落地

• 主数据的注册与订阅分发机制（源头清晰、标准统一、应用简单）

• 物资分类规则与编码（规格、型号、计量单位的统一）

• 主数据与财务的一致性（物资、设备与固定资产的对应关系）

3. 数据标准怎么统一

• 数据标准一码通（业务数据与编码标准化，解决数据标识问题）

• 与业务部门共创标准（业务定规则、数据团队定方法）

• 多系统数据标准不统一的治理做法（数据标准化制度、注册准入标准、分级标准规范）

案例：某制造现场的数据质量问题整治（缺失、噪声、不一致三类问题）

演练：用质量五维为本企业一张核心报表做体检，列出问题清单与责任部门

模块四：治理这件事，谁来推、怎么才能见效？

本模块旨在打通治理的组织与节奏，学员带走一份治理启动路线图。

1. 从治理到见效的路径

• 治理成熟度阶梯（从无到有、从有到用、从用到治）

• 治理成效变业务动作（质量提升后 BI 与报表才可信、决策才敢用）

• 治理与资产化的衔接（治理提标是入表前置，不是并列任务）

2. 治理怎么与业务共创

• 让业务定标准、数据团队定方法的分工

• 数据管家的能力要求（懂业务、懂数据、能协调）

• 与业务部门的共创机制（联合工作组、标准评审、试点验证）

3. 治理的启动与节奏

• 四步启动（问题诊断 → 单域试点 → 标准固化 → 全域推广）

• 选试点的三个标准（痛感强、数据集中、业务愿配合）

• 风险防范（一上来全铺开、只治 IT 不管业务、指标不可衡量）

案例：某轨道交通装备企业的数据中台与数据标准建设实践

行动承诺：每位学员写下本企业 90 天内可启动的第一项数据治理动作

【课程成果】

本企业数据问题清单（权属、标准、流通、价值四类归因）

本企业数据资源清单与责任矩阵（含主数据与数据 Owner）

数据质量五维体检表（针对一张核心报表）

本企业数据治理启动路线图（含 90 天首项动作）