数据化转型，90％的企业都是这样被搞垮的！

数字化时代，数据作为新的生产要素受到了各界前所未有的重视。

随着数据越来越多，怎么管好、用好数据，让数据发挥价值，成为了很多企业的一个难题，而且还是一个必选题！

数据管理听起来很简单，但事实上数据治理对每个企业都是一项很大的挑战。据Gartner 的一项调查显示，超过90%的数据治理项目都失败了！

下面小编就带大家来盘点一下那些搞垮数据治理项目的骚操作！

一、缺乏明确的目标

1、没有明确目标。不能说没有目标，而是目标定的很大、很泛、不聚焦，不考虑目标可实现性和可衡量性.

2、数据治理的目标太过短视，导致数据治理的返工。

3、数据治理目标不与业务目标挂钩，只从技术角度考虑怎么治，不考虑为什么治？为了治理而治理！

二、分工混乱，权责不明

1、谁有数据的拥有权，谁有数据的使用权，谁有数据的管理权等职责没有清晰的定义，号称人人都对数据质量负责，但实际上数据管理十分混乱、大量重复，真正出现问题后相互推诿，没有人愿意负责。

2、没有建立明确的数据确权和问责机制，出现数据问题不知道该找谁，多方协调，导致项目实施速度变慢，并导致许多质量问题没有得到解决。

3、让IT人员去关注数据质量的定义和趋势，分析并确定数据质量问题的根本原因。不懂业务？没关系，赶紧去学啊！

4、让业务人员去剖析数据结构，搞数据血缘和数据使用。不懂技术？没关系，赶紧去学啊！

三、高层管理者关注不足

1、高层管理者对数据治理认知程度不高，将数据治理和数据管理混为一谈，认为数据治理就是IT部门或者是DBA的事，IT团队就能搞定了，不需要高层领导过多的参与和关注。

2、高层管理者天天高喊“数据是资产、治理很重要，要大力支持”等口号，雷声大，雨点小，口号喊的响，没有实质的行动。数据部门不能被完全赋权，或者安排一个毫无影响力的小部门去负责，这都不太可行。

3、高层管理者权威和影响力不足，不能推动数据治理目标与业务绩效进行绑定，遇到跨部门协调，各部门嘴上答应一定好好配合，实际执行中还是我行我素，什么数据标准、数据规则，遇到强势的业务就得给业务让路、开绿灯，导致数据治理策略形同虚设。

四、缺乏数据治理专家

1、将数据治理和系统管理混为一谈，让IT系统管理员对数据的质量负责。这就好比让修自来水管道的对自来水的水质负责一样不靠谱。

2、认为数据质量管理都是IT人员的事，懂算法、懂模型、懂编程就够了。殊不知，数据质量团队必须具有业务分析思维、对业务流程足够了解才能做出正确决策，如果不能理解业务也可能无法理解错误数据的影响。

3、认为数据质量都是业务人员的事，由业务人员负责就够了。殊不知，数据质量不仅仅与识别业务规则和纠正错误有关，它还涉及持续监控数据并设计将错误风险降至最低的流程。更何况在很多企业业务人员能够把业务规则说清楚的其实也并不多。

五、不透明规则和系统

1、制定的数据管理制度、数据管理流程不进行发布和公开，定义的数据标准也不进行宣贯，相关干系人清不清楚这些规则也不知道，反正我们工作做完了。

2、数据治理的进度、成果不及时汇报，不让相关领导和部门看到成果。

3、 “财不能外漏”，导致信息孤岛和信息差。

六、被动式数据治理

1、只关注业务流程、不关注数据质量，数据质量只有在导致决策失误、老板发飙时，才会成为问题。

2、不考虑主动建立数据治理的策略，没有统一的数据标准，各系统数据各自维护，数据质量只有在系统无法有效集成时，才会成为问题。

3、平时不关注数据治理，不重视数据质量问题的及时处理，数据质量只有在监管部门开出罚单时，才会成为问题。

七、项目型数据治理

1、将数据治理视为一次性项目，一开始期望很高，认为通过一个项目的实施，数据质量会在一夜之间得到改善。

2、认为数据治理就是将当前的发现的数据问题处理了就可以了。

3、数据质量和数据治理流程都是单一的一次性活动，做完就完事了，哪儿还需要建立持续的机制？

4、数据治理策略和数据质量处理措施不需要和相关部门达成一致，只求速度不求质量，杂乱无章。

八、孤立式数据治理

1、建立了数据标准但不进行数据贯标，遗留系统不做数据改造和映射，新建系统也不参考数据标准，数据标准被束之高阁，成为一纸空文。

2、将数据治理视为一项单独的、额外的任务，不与业务流程挂钩。业务部门只配合进行数据质量问题的清理，但不接受将数据规则内置到业务流程里。

3、业务部门认为数据治理只会增加他们额外的工作量，并对业务造成了一定的约束，对其业务绩效没有产生帮助和价值。

九、唯工具论

1、过于重视和依赖工具和技术，忽视数据治理的组织、文化、制度、流程和标准等体系的建设，走入误区，造成管理失焦。

数据治理关注的是“如何管好数据”的问题，其中涉及一系列的策略，例如：战略、文化、制度、流程、标准等，是数据管理最核心的内容。

每个数据治理策略的制定和执行过程，都有很多影响的因素，会导致数据治理的失败。以上是小编整理的真实案例分析，希望能对您有所帮助。