一份数据治理考核办法能不能执行,先看四张表是否齐全,包括考核对象清单、指标定义卡、责任矩阵、证据与评分规则。总则、流程和奖惩都围绕这四张表展开。四张表填不实,办法很容易变成每年发一次、打完分就归档的文件,部门也不会改变做法。
考核失效常见的情形是指标和责任分开写。指标由数据团队列,数据由业务录入,系统由 IT 维护,最后扣分却落在 IT 头上。另一种情形是只考结果,不看过程,部门为了不被扣分,倾向于隐瞒问题。把谁负责、看什么、凭什么判断、结果怎么用写在同一张表里,才能减少这类拉扯。数据治理的总体框架和组织保障,可以先参考《什么是数据治理?2026企业数据治理完整指南》,再回到考核本身。
下面按制定顺序拆开。先定办法结构,再选指标,接着把指标落到责任人,然后写评分和证据,最后用一个小范围试运行检验。文中的分值和权重是示例,企业要按自己的数据基础、管理成熟度和现有绩效体系调整。
一、数据治理考核办法先定哪四张表
办法的名称可以是数据治理考核办法,也可以是数据治理考核管理办法或考核细则。名称不影响结构,关键是四张表能互相对上。有的企业先写数据治理考核方案,再压缩成正式办法,这个顺序也可以,前提是四张表在方案阶段就想清楚。
| 组成 | 要写清的问题 | 可检查的产出 |
|---|---|---|
| 考核对象清单 | 考部门、数据域、系统还是项目组 | 对象名单、数据域边界、对应负责人 |
| 指标定义卡 | 每个指标算什么、从哪里取数、多久算一次 | 指标名称、公式、来源、周期、基线、目标 |
| 责任矩阵 | 谁定规则、谁执行、谁复核、谁最终负责 | 每个指标的 A、R、C、I 和升级路径 |
| 证据与评分规则 | 用什么证明结果、怎么算分、异常怎么处理 | 证据清单、评分公式、复核记录、申诉流程 |
1. 办法正文至少覆盖八个部分
- 目的和适用范围。写清为什么考、考哪些单位、哪些数据域、哪些周期,避免把行政事务和数据工作混在一起。
- 考核对象和数据域。列部门、角色、系统或项目组,并划清数据域边界。
- 组织与职责。写清数据治理委员会、数据治理办公室、数据所有者、业务数据管理员、技术数据管理员、IT 和审计的角色。
- 指标体系。写清指标分层、定义、基线、目标、权重和排除项。
- 评分规则。写清公式、分档、封顶、底线、加分、扣分和异常处理。
- 证据与复核。写清数据来源、样本、留痕、复核人和保存期限。
- 周期与流程。写清月度监测、季度考核、年度评估,以及提交、复核、校准、公示的时限。
- 结果应用与修订。写清结果用于什么、谁审批、如何申诉、多久修订一次。
IBM 对数据治理框架的拆解也接近这个结构,包括目标、角色职责、标准政策流程、审计程序和工具,并用指标跟踪目标进展。
这八个部分不需要写得很长,但每一项都要有可检查的产出。比如组织与职责不能只写相关部门配合,要落到角色和名字;证据与复核不能只写系统取数,要写到系统、表、字段和复核人。
2. 先划考核对象,再谈指标
考核对象不同,指标就不同。业务部门适合考源头数据质量、标准执行和问题整改;IT 适合考平台可用性、权限与审计、技术质量规则;数据治理办公室适合考制度供给、指标口径维护和跨部门协调;项目组适合考交付物和上线后的数据验收。只考 IT 或只考数据部门,都会让数据产生方缺少约束。
2018 年发布的《银行业金融机构数据治理指引》把董事会、监事会、高级管理层、归口管理部门和业务部门的责任分开写。业务部门负责本领域的数据治理,管理业务条线数据源,确保准确记录和及时维护;归口管理部门牵头体系建设;高级管理层负责建立数据治理体系,制定和实施问责和激励机制。这个分层思路可以借用,具体条款仍按本行业监管要求执行。
清华大学深圳国际研究生院 2026 年审议通过的数据管理办法也采用类似分层,信息与数据服务中心归口,各二级单位明确数据管理负责人和数据管理员,数据管理情况纳入二级单位信息化考核。公共机构和企业的具体做法不同,但把归口、执行和考核分开的思路可以互相参考。
3. 制定顺序
- 定目的和边界。用一页纸写清为什么考、考什么、不考什么。
- 列对象和数据域。形成对象清单和数据域边界表。
- 画责任矩阵。先把决策、执行、复核、知情的角色分开。
- 选指标、建基线。每个对象先选三到五个指标,找近三个月数据做基线。
- 定评分和证据。写清公式、分档、异常和证据来源。
- 试运行和修订。用一个季度检验区分度、可取得性和认账程度。
这个顺序的好处是先把责任和证据想清楚,再定分数。反过来先定分值,很容易出现指标找不到责任人、证据取不到、部门不认账的问题。
二、数据治理考核指标怎么分层和定目标
指标从数据域和业务过程来,不从通用指标清单抄。先问这个数据域最常出什么问题,再看哪个角色能改变它,最后决定是监测还是考核。
1. 三层指标够用
| 层级 | 回答的问题 | 常见指标 | 使用提醒 |
|---|---|---|---|
| 基础层 | 有没有人、有没有规则 | 数据所有者任命率、数据管理员到位率、制度发布数、培训覆盖率、分类分级覆盖率 | 适合起步阶段,防止只喊口号 |
| 过程层 | 规则有没有执行 | 核心指标口径统一率、数据标准执行率、质量规则覆盖率、问题按期关闭率、变更审批执行率、权限复核完成率 | 能反映日常动作,适合季度考核 |
| 结果层 | 数据有没有变好 | 关键字段完整率、准确率、跨系统一致率、数据及时率、重复数据率、报表差错数 | 需要基线和稳定取数,适合作为结果分 |
| 价值层 | 治理有没有带来业务收益 | 报表替代数、取数耗时下降、复用次数、因数据问题导致的损失减少 | 难归因,起步阶段少用或只做观察 |
基础层和过程层是可控的,结果层受业务量、上游系统和外部数据影响,价值层更难归因。起步阶段可以把基础层作为门槛,过程层和结果层作为主要考核,价值层先观察。这个安排能避免一上来就考无法归因的收益。
2. 先找基线,再定目标
没有基线就定 98% 或 100%,容易逼出两种行为,要么在数据上做文章,要么直接躺平。可用的做法是取近三个月同口径数据,算平均值、波动范围和最差月份,把平均值作为基线,把改进幅度或阈值作为目标。
以关键字段完整率为例,近三个月在 86% 到 91% 之间,基线可以取 88%,季度目标设为 92%,同时设 85% 的底线。目标要写清统计范围、样本量和取数时间,避免季度末临时改口径。
如果没有三个月数据,先监测一个季度,不急着评分。把这段监测期写进办法,作为基线建设期。第一年只做监测和低权重考核,比强行定高目标更稳。
3. 指标数量和控制权
起步阶段每个考核对象控制在三到五个指标。选择标准有三条,与这个角色的动作直接相关,数据能取到,结果能复核。一个指标如果责任角色无法影响,它更适合做共享观察指标,不适合单独扣分。
- 业务部门可以考源头录入准确率、关键字段完整率、问题按期整改率。
- IT 可以考数据平台可用率、权限复核完成率、质量规则上线及时率、审计日志完整率。
- 数据治理办公室可以考核心指标口径发布及时率、标准覆盖率、跨部门问题关闭率。
- 项目组可以考上线数据验收通过率、数据交付物完整率、遗留问题关闭率。
同一指标在不同部门之间要同口径,可以借助统一指标口径的定义方法,把分母、统计周期、样本范围、排除项写进指标卡。否则分数没法比较,考核会变成各自解释。
三、指标与责任怎么对应
对应关系要落到一张指标责任卡上。每个指标写清业务含义、计算公式、数据来源、统计周期、最终负责人、执行人、证据和评分规则,再把角色填进责任矩阵。一个指标只能有一个最终负责人,否则出了问题会回到集体负责。
1. 一张指标责任卡
| 字段 | 填写要求 | 示例 |
|---|---|---|
| 指标名称 | 用业务能听懂的名字 | 客户主数据准确率 |
| 业务含义 | 这个指标反映什么 | 客户主数据关键字段与权威来源一致的比例 |
| 计算公式 | 分子、分母、排除项 | 抽查一致记录数除以抽查记录数,再乘以 100% |
| 数据来源 | 系统、表、字段、接口 | 客户主数据系统、抽查样本表 |
| 统计周期 | 月度、季度、年度 | 季度 |
| 责任角色 | A、R、C、I 分别对应谁 | 客户域数据所有者 A,业务数据管理员 R,治理办公室 C,IT 主数据平台 R |
| 基线目标 | 基线、目标、底线 | 基线 88%,目标 92%,底线 85% |
| 评分规则 | 满分、扣分、封顶、异常 | 达到目标得满分,每低 1 个百分点扣 2 分,低于底线不得分 |
| 证据与复核 | 证据、复核人、保存期限 | 抽查清单、比对记录、整改单,治理办公室复核 |
这张卡填完,指标和责任就绑定了。卡片外还要有升级路径,数据管理员处理不了,升级到数据所有者;跨部门争议,升级到数据治理办公室;涉及资源和制度,提交数据治理委员会。升级时限写进办法,避免问题停在聊天群里。
2. 责任矩阵怎么分
RACI 是一种常用的责任分配方法。R 是执行,A 是最终负责,C 是事先咨询,I 是事后知情。一个任务只能有一个 A,R 可以有多个。
| 任务 | 数据治理委员会 | 数据治理办公室 | 数据所有者 | 业务数据管理员 | 技术数据管理员 | 审计或合规 |
|---|---|---|---|---|---|---|
| 制定数据标准 | A | R | C | C | C | I |
| 日常数据维护 | I | C | A | R | C | I |
| 质量抽查与考核 | I | R | A | C | C | C |
| 权限审批 | I | C | A | I | R | C |
| 争议仲裁 | A | R | C | I | I | C |
这张数据治理责任矩阵用来判断出问题时找谁,不需要做成复杂的组织图。每条指标卡上的 A 必须能在矩阵里找到对应角色;找不到,说明职责还没分清。
3. 三类责任不要混
结果责任、执行责任、规则责任和监督责任要分开。数据所有者对数据域的结果负责,业务数据管理员负责日常录入、维护和问题反馈,技术数据管理员负责系统实现、接口和质量规则配置,数据治理办公室负责规则供给、口径协调和考核组织,审计或合规负责监督。IT 承担平台、权限、日志和技术质量规则的责任,业务数据出错不能全部由 IT 承担。
- 结果责任由数据所有者承担,通常是业务负责人,对数据域的准确性、完整性、一致性负责。
- 执行责任由数据管理员和系统负责人承担,按标准录入、维护、监控和整改。
- 规则责任由数据治理办公室承担,维护指标口径、标准和考核规则。
- 监督责任由数据治理委员会、审计或合规承担,处理争议、复核结果和问责。
这个分法能解释一个常见问题,报表口径不一致,可能同时涉及业务定义、系统实现和权限配置。先定位是哪一段出了问题,再找对应责任人,避免一上来就罚报表开发人员。
4. 跨部门指标怎么定责
跨部门指标先拆责任边界,再定一个 A。拆法有三种。
- 按数据段拆。客户基本信息由销售录入,财务属性由财务维护,各自对自己的字段负责。
- 按流程拆。源头录入、清洗转换、报表发布分开考,分别对应业务、数据开发、报表团队。
- 按决策权拆。标准由谁定,变更由谁批,异常由谁裁决,分别写清。
如果拆不开,就指定一个 A 负责协调,其他部门写 R 或 C。A 不一定亲自做所有事,但要对结果和跨部门协调负责。这个安排比共同负责更可执行。
四、数据治理考核评分表怎么写
评分表要能让第三方复算。达到什么条件得多少分,扣分上限是多少,异常怎么处理,都要提前写清。每个指标都要能复算,规则不清,分数越细争议越多。
1. 先选一种计分方式
| 方式 | 适合场景 | 优点 | 注意点 |
|---|---|---|---|
| 百分制 | 部门或角色绩效考核 | 直观,易与现有绩效衔接 | 要写清权重和封顶 |
| 五分制 | 成熟度或专项评估 | 颗粒度适中 | 要定义每一分的标准 |
| 等级制 | 年度综合评价 | 简单 | 区分度低,不适合精细奖惩 |
同一套办法里不要混用多种计分方式。要用百分制就全部折算成百分制,要用五分制就把权重和换算规则写清。华为云 DataArts Studio 的数据治理评分卡采用五分制,每个度量细项只有 0 或 1,维度得分为细项得分之和乘以 5 再除以细项数。这个做法把主观判断变成可核对的条件,适合质量规则、流程执行这类指标。
2. 权重按阶段分配
权重反映当前阶段最想改变什么。起步阶段可以把基础合规和过程执行放高一些,运行稳定后再提高结果质量的权重。下面是一个示例,不是行业统一标准。
| 指标层级 | 起步阶段示例权重 | 稳定运行后示例权重 | 适用条件 |
|---|---|---|---|
| 基础合规 | 20% | 10% | 组织、制度、培训、分类分级 |
| 过程执行 | 35% | 30% | 标准、口径、质量规则、问题整改 |
| 结果质量 | 35% | 45% | 有稳定基线和自动取数 |
| 价值增量 | 10% | 15% | 能归因到具体业务场景 |
如果结果数据还不稳定,不要把结果层权重设得太高,否则分数波动大,部门会把精力放在解释数据,而不是改进数据。反过来,如果过程指标长期满分,结果没有变化,就要检查指标是否只考了动作,没有考效果。
3. 评分公式和异常处理
常用公式是得分等于完成率乘以权重,再按封顶和底线调整。完成率可以按目标值计算,也可以按改进幅度计算。涉及多个子项的指标,先算子项得分,再加权汇总。
- 封顶。单项不超过满分,避免一个指标拉高总分。
- 底线。低于底线不得分,但不直接判定整体不合格。
- 扣分。按差距分档,不按情绪打分。
- 加分。主动报告问题、按期整改、复用优秀实践可以加分,但要有上限。
- 异常。上游系统故障、监管口径变化、并购整合等,凭证据申请调整,由治理办公室复核、委员会批准。
- 缺失数据。暂不评分,列入改进项,不用估算值代替。
只扣不奖的规则容易让部门隐瞒问题。把主动报告和按期整改纳入加分,能换回真实的问题清单。加分不是放水,前提是问题真实、整改可验证。
4. 结果怎么用
考核结果可以和季度通报、整改计划、培训资源、项目优先级、评优挂钩,也可以进入现有绩效体系。涉及薪酬、处分、晋升时,先做试运行,并让人力资源和法务审核条款。监管行业还要对照本行业的监管要求,不能只用内部考核代替监管报送。
- 对部门,用于通报排名、整改清单和资源调整。
- 对个人,用于培训、评优和绩效系数,谨慎使用处分。
- 对项目,用于验收、复盘和后续预算。
- 对制度,用于年度修订、指标口径变更和权重调整。
结果应用要写清生效时间和申诉渠道。没有申诉渠道的扣分,执行成本会很高。
五、证据链怎么留
考核争议很多时候不是分数算错,而是证据不足。证据链要回答三个问题,数据从哪里来,谁复核过,出了问题能不能追溯。证据取不到,不要急着扣分,先把它列为数据缺口。
1. 不同指标对应什么证据
| 指标类型 | 证据 | 常见来源 | 复核角色 |
|---|---|---|---|
| 基础合规 | 任命文件、制度发布记录、培训签到、分类分级清单 | 办公系统、制度库、培训系统 | 治理办公室 |
| 过程执行 | 指标字典版本、变更审批单、质量规则配置、工单记录 | 指标平台、元数据平台、工单系统 | 数据所有者或治理办公室 |
| 结果质量 | 质量监控报告、抽查样本、比对记录、整改单 | 质量平台、业务系统、抽样表 | 数据管理员或治理办公室 |
| 安全合规 | 权限清单、审批记录、审计日志、访问告警 | 权限系统、日志平台、审计系统 | 安全或审计 |
| 价值增量 | 报表使用记录、取数耗时、复用记录、业务复盘 | BI 平台、工单、业务系统 | 业务负责人或财务 |
2. 证据要能自动取、能复核
优先用系统自动生成的证据,减少手工填报。手工证据要写清样本量、抽样方法、填报人、复核人和日期,保存期限与审计要求一致。截图只能作为辅助,不能替代原始记录。
- 自动取数优先使用接口、日志、质量平台和工单系统。
- 手工证据使用抽查表、访谈记录、会议纪要,并保留签字和时间。
- 指标口径、评分规则、权重调整都要留版本。
- 复核记录写清谁复核、什么时候复核、发现了什么。
如果证据取不到,先把它列为数据缺口,不要用估算值或口头说明代替。考核数据本身也要治理,否则会出现考核指标口径不一致、分数无法复算的问题。
考核要持续运行,取数、权限和审计记录最好由同一套数据底座支撑。ThinkingAI 服务全球超 1500 家企业、接入产品超 8000 款,Agentic Engine 支持私有化部署和多 Agent 协作。对于已经使用其数据分析能力的企业,考核指标可以尽量复用业务分析中的指标定义,减少重复对数。是否采用仍取决于现有数据架构、合规要求和试点结果。
3. 考核数据本身也要有口径表
建议单独维护一份考核指标口径表,写清指标名称、公式、分母、统计周期、排除项、数据来源、责任人和版本。每次变更走申请、评审、发布流程,变更前完成的数据不追溯改分,除非委员会批准。
这项工作看起来额外,实际能减少大量争议。考核越依赖数据,口径表越重要。
六、先试运行,再挂钩绩效
新办法直接挂钩绩效,风险很高。先用一个季度试运行,检查指标是否有区分度、证据是否取得到、责任是否认账,再决定是否扩大范围。试运行阶段先不挂钩绩效,或者只做低权重挂钩。
1. 90 天试运行怎么排
| 阶段 | 时间 | 主要动作 | 产出 |
|---|---|---|---|
| 准备 | 第 1 到 2 周 | 定范围、对象、数据域、角色 | 对象清单、责任矩阵初稿 |
| 建卡 | 第 3 到 4 周 | 选指标、建基线、写评分规则 | 指标责任卡、评分表 |
| 对证据 | 第 5 到 6 周 | 打通取数、核对样本、确定复核人 | 证据清单、取数说明 |
| 试评 | 第 7 到 10 周 | 按季度数据试评,不开罚单 | 试评分数、问题清单 |
| 校准 | 第 11 到 12 周 | 校准目标、权重、异常处理,修订办法 | 试运行报告、修订稿 |
2. 试运行看什么
- 区分度。分数是否集中在 90 分以上,如果集中在高分,指标可能没有区分度。
- 可取得性。证据是否能按时取到,手工工作量是否过大。
- 认账程度。数据所有者和数据管理员是否认可指标和责任。
- 争议率。申诉和争议是否集中在口径、样本或责任边界。
- 行为变化。问题是否更早暴露,整改是否更快。
- 成本。考核组织、取数、复核投入是否可持续。
试运行阶段先不挂钩绩效,或者只做低权重挂钩。这样能拿到真实问题,而不是被考核压力扭曲的数据。试运行结束后,再决定哪些指标进入正式考核,哪些继续监测。
3. 修订和发布
办法要写清版本号、生效日期、过渡安排和修订周期。一般每年评估一次,出现监管变化、组织调整、系统替换、指标口径重大变更时,及时修订。修订前完成的数据按原规则计算,避免追溯改分。
数据治理的组织保障、制度体系和推进路径,可以参考《企业级数据治理体系怎么搭?》。考核办法是其中一部分,不能替代组织、标准和平台建设。
七、交稿前用这张清单评审
| 检查项 | 不合格信号 |
|---|---|
| 考核对象和数据域是否列全 | 只写部门名称,没有数据域边界 |
| 每个指标是否有唯一 A | 出现共同负责、都负责 |
| 指标是否有公式、来源、周期 | 只有指标名称,没有取数规则 |
| 是否有基线和目标 | 直接写 98%、100%,没有历史数据 |
| 证据是否可自动获取或复核 | 只靠截图和口头说明 |
| 评分规则是否可复算 | 只有扣分方向,没有分档和封顶 |
| 是否有异常、申诉、修订 | 出问题只能临时开会 |
| 结果应用是否经过人力资源和法务 | 直接扣工资,没有制度依据 |
| 是否试运行 | 第一年就全量挂钩绩效 |
| 是否与现有考核体系冲突 | 重复考核、口径不一 |
这张清单可以作为办法附件,也可以作为评审会的检查表。每项都能指出具体问题,不通过就补,不靠感觉判断。
常见问题
数据治理考核办法和 DCMM 评估有什么区别
DCMM 评估组织的数据管理能力,结果用于能力基线和改进方向;数据治理考核办法考的是部门、角色或项目组的任务完成情况。中国软件评测中心对 DCMM 的说明提到,评估覆盖数据战略、数据治理、数据架构、数据应用、数据安全、数据质量和数据标准等方面。DCMM 的能力域可以参考,但不能把评估条款直接抄成绩效扣分表。2025 版国家标准 GB/T 36073-2025 已于 2026 年 7 月 1 日实施。
指标一定要量化吗
能量化的尽量量化,不能量化的用明确的分档标准和证据。比如制度评审可以按是否按期、是否有记录、是否覆盖关键数据域来评分,不用编一个精确到小数点的分数。不能量化的指标先做监测,不急着扣分。
业务部门不认账怎么办
先让业务部门参与指标定义,把数据来源和样本量摆出来,再试运行一个季度。责任边界不清的,用责任矩阵拆到数据段或流程步骤;仍然争议的,提交数据治理委员会裁决。考核办法要写清裁决时限,不能一直拖着。
没有历史基线怎么定目标
先监测一个季度,用实际数据建立基线,再设改进目标。第一年可以只做监测和低权重考核,第二年再提高结果指标权重。没有基线就定高目标,容易逼出数据造假或消极应付。
考核结果一定要扣钱吗
不一定。结果可以先用于通报、整改、培训、资源调整和评优,再逐步进入绩效。涉及薪酬和处分时,要有人力资源和法务依据,并经过试运行。只扣不奖的规则,容易让部门隐瞒问题。
中小企业需要多复杂的办法
从一个数据域、三到五个指标、一张责任矩阵开始,季度复盘一次。办法可以只有几页,但指标定义、责任人、证据和评分规则不能省。等运行稳定,再扩数据域和指标。






