统筹规划要先把四个问题放到同一张桌上:业务任务是什么,需要哪些数据资产,谁对定义和质量负责,平台在哪个环节承接规则并留下证据。四个问题答完,治理和平台才有共同的起点。
如果治理方案和平台方案各写一份,预算、里程碑和验收也各走一套,常见结果是平台上线后口径仍然对不上,制度发完源数据仍然没人改。Gartner 在 2024 年 2 月预测,到 2027 年,80% 的数据与分析治理举措会因缺乏真实或人为制造的危机而失败。这个判断把原因指向业务牵引和组织紧迫感,工具能力只是其中一部分。
数据治理是对数据资产行使决策权和控制权的安排。GB/T 34960.5-2018 把它定义为数据资源及其应用过程中相关管控活动、绩效和风险管理的集合,并把治理过程分为统筹和规划、构建和运行、监控和评价、改进和优化四个环节。数据平台承担采集、存储、计算、建模、服务和权限执行,把治理规则变成可配置的校验、流程和记录。这里说的数据平台,包括数据仓库、数据湖、湖仓、数据中台,以及其上的指标、标签和服务能力。
下面给出一套 6 到 8 周可完成的规划方法,包含一页画布、控制点清单、路径选择和阶段门禁。
一、统筹规划先回答哪四个问题?
统筹规划的产出可以压缩成四类信息。它们要在同一张表上回答,分开写就很容易变成两套话术。
| 要回答的问题 | 规划产出 | 主责角色 | 不回答的后果 |
|---|---|---|---|
| 业务任务是什么,成功后哪个指标会变 | 3 到 5 个业务任务,每个任务对应 1 到 2 个结果指标和基线 | 业务负责人、财务或运营 | 平台功能很多,业务不用 |
| 需要哪些数据资产,谁对定义和质量负责 | 核心数据域、指标、源系统、责任人、更新频率 | 业务数据负责人、数据管家 | 口径争议无人裁决 |
| 哪些规则必须落到平台,落到哪个环节 | 治理规则清单、平台控制点、留痕方式 | 治理办公室、平台架构师、安全合规 | 制度停在文档,平台没有约束 |
| 分几期,每期用什么证据过关 | 阶段路线、门禁条件、验收指标 | 项目发起人、治理委员会 | 范围不断扩张,验收失真 |
四个问题要在一张表上回答,不能分成治理方案和平台方案两套文档。 业务任务决定数据域的优先级,数据资产决定平台接入和建模的范围,治理规则决定平台要配置哪些校验和审批,阶段门禁决定预算什么时候继续投入。四者分开,任何一项变化都会让另外三项返工。
先定一个最小治理集,再让平台一期承接。最小治理集可以包括 3 到 5 个核心指标、1 到 2 个核心数据域、每个域的责任人、关键数据的质量规则和权限基线。平台一期围绕这些内容做接入、建模、指标、服务和审计,先让一个业务场景跑通。范围小,规则和平台才能在同一个周期里对齐。
二、治理与平台的分工边界在哪?
数据治理和数据平台经常被混在一起讨论,落到分工时又容易变成部门争权。更清楚的分法是看三层。
| 层次 | 主要工作 | 典型产出 | 常见失效 |
|---|---|---|---|
| 规则层 | 定战略、制度、标准、指标口径、质量要求、安全分级和争议处理方式 | 决策、标准、责任人、审批规则 | 制度停在文档,没人执行 |
| 承载层 | 做接入、存储、计算、建模、指标、服务、权限和审计 | 数据模型、指标、接口、任务、日志 | 平台建而不用,数据不敢信 |
| 证据层 | 用元数据、血缘、质量记录、访问日志和服务调用记录证明规则被执行 | 可追溯、可审计、可复盘 | 出问题找不到源头和责任人 |
治理可以先用制度和表格运行,平台可以分期建设,两者不必同时上线,但必须在同一张路线图上。 治理侧先把规则和责任定下来,平台侧预留承接方式;平台侧每上线一个能力,治理侧要确认它承接了哪条规则、留下什么记录。两条线各走各的,最后就会在验收时对不上。
在多数企业里,数据治理平台是数据平台的能力子集或配套系统,关注元数据、标准、质量、血缘、权限和资产目录;数据平台还要承担存储、计算、建模和服务。采购一套治理软件,只能补齐部分控制能力,替代不了业务负责人定口径,也替代不了跨部门裁决和整改。把采购平台等同于治理完成,是规划阶段最常见的误判。
三、用一张画布对齐业务、治理与平台
规划会最容易开成功能汇报。把讨论收回到一张五列画布,每列只填事实和决定,会议会更容易得出结论。
| 业务任务 | 指标与口径 | 数据资产与责任人 | 治理规则 | 平台控制点与验收 |
|---|---|---|---|---|
| 缩短订单履约周期 | 订单履约及时率,按承诺时间内完成履约的订单数除以应履约订单数 | 订单、履约、库存;供应链数据负责人 | 口径评审、延迟原因分类、质量阈值 | 接入校验、履约模型、指标语义、服务权限、问题工单;验收时同一口径可复算 |
| 降低库存周转天数 | 库存周转天数,按同一统计周期、同一成本口径的平均库存除以销售成本,再乘该周期天数计算 | 库存、采购、销售;供应链数据负责人 | 主数据编码、库存快照时点、异常处理 | 库存快照任务、血缘、质量监控、访问审计;验收时异常可定位到源系统 |
这两行只是示例,企业要替换成自己的任务、指标、系统和责任人。画布的价值是让四类人坐在一起做决定:业务负责人确认任务和口径,数据负责人确认资产和责任,平台架构师确认控制点,安全合规确认权限和审计。
画布上任何一列空白,都说明规划还没完成。 业务任务空白,平台就不知道该先接什么;责任人空白,口径争议就会回到开会;治理规则空白,平台只能做存储和报表;平台控制点空白,规则就无法执行;验收方式空白,项目就只能用上线功能数量交差。
画布可以用三次工作会完成,不必开成连续几周的大会。
- 第一次定业务任务和指标。参加人是业务负责人、财务或运营分析人员。会前把候选任务和现有指标发给参会人,会上只确认优先级、指标定义和基线,不讨论技术方案。
- 第二次定数据资产和责任人。参加人是各数据域负责人、数据管家和平台架构师。逐个确认源系统、更新频率、质量问题、责任人和本期是否接入。
- 第三次定控制点和门禁。参加人是平台架构师、安全合规、治理办公室和项目发起人。逐条确认规则落在哪个环节、平台做什么动作、留下什么记录、什么条件下允许进入下一阶段。
每次会后 48 小时内整理一页决策日志,记录决定了什么、谁拍板、依据是什么、影响哪些系统、什么时候复核。决策日志比会议纪要更有用,因为它在几个月后还能回答“当初为什么这样定”。
四、组织与决策权怎么安排?
统筹规划需要一个能拍板的组织,不需要一开始就铺很大的编制。常见做法是三层。
| 层级 | 组成 | 主要决策 | 会议节奏 |
|---|---|---|---|
| 决策层 | 数据治理委员会或同等机构,由高管牵头 | 数据战略、跨部门争议、预算优先级、重大投入 | 季度或月度 |
| 管理层 | 数据管理办公室、数据平台负责人 | 标准发布、路线调整、指标评审、考核跟踪 | 月度 |
| 执行层 | 业务数据负责人、数据管家、平台团队、安全合规 | 口径确认、质量整改、接入评审、权限审批 | 周度或按需 |
角色名称可以不同,决策权要写清楚。业务数据负责人对业务定义、指标口径和数据质量负责;平台团队对能不能取到、能不能跑通、能不能追溯负责;安全合规对分类分级、授权和审计负责;治理委员会对跨域争议和资源投入负责。业务负责人对口径负责,平台团队对实现负责,这条边界不清,后面所有会议都会变成责任推诿。
决策权可以单独列一张表,贴进规划文档。
| 决策事项 | 拍板人 | 需要参与的角色 | 记录方式 |
|---|---|---|---|
| 核心指标的业务定义和统计口径 | 业务数据负责人 | 数据管家、平台架构师、财务 | 指标字典和变更记录 |
| 指标的技术实现和性能方案 | 平台负责人 | 数据开发、业务数据负责人 | 技术评审记录 |
| 跨部门口径争议 | 治理委员会 | 相关部门负责人、数据管理办公室 | 裁决记录和生效日期 |
| 平台选型和采购范围 | 项目发起人、采购 | 架构、安全、财务、使用部门 | 选型报告和合同 |
| 上线和阶段门禁 | 治理委员会或项目指导委员会 | 业务、平台、安全、财务 | 门禁检查表 |
| 数据共享和敏感数据授权 | 安全负责人或授权审批人 | 数据负责人、法务 | 审批单和审计日志 |
治理运营模型有集中式、复制式和联邦式几种。DAMA-DMBOK 中,集中式由一套治理组织统管全部主题域,复制式由各业务单元采用同一套模型和标准,联邦式由总部治理组织协调多个业务单元,保持定义和标准一致。集团多业态、业务自治度高,联邦或混合模式更常见;监管强、数据复用要求高,集中式更容易统一。选哪种模式,取决于业务单元自治程度、监管强度和数据复用范围。
Gartner 在 2026 年 9 月公布的一项调查于当年 3 月访问了 223 位数据与分析负责人,60% 的受访者把文化阻力列为治理举措失败的原因,40% 提到资金约束。文化阻力包括数据驱动成熟度低、业务对治理价值理解不足、参与意愿弱。这意味着规划里要单独安排业务参与、培训和激励,不能只写制度和流程。 委员会没有决策权,就会变成信息同步会;业务负责人只在任命文件里出现,口径争议就还会回到 IT。
五、平台要承接哪些治理控制点?
控制点要同时具备三个条件:有规则、有平台动作、有留痕。缺一个,执行就会回到口头约定。
| 环节 | 治理规则 | 平台动作 | 留痕与验收 |
|---|---|---|---|
| 接入 | 数据源登记、字段标准、敏感字段识别 | 采集任务、字段校验、元数据注册 | 源系统清单、校验报告 |
| 存储与建模 | 分层规范、命名标准、主题域模型、数据分级 | 模型模板、命名检查、加密和脱敏 | 模型评审记录、分级标签 |
| 加工 | 指标口径、任务规范、代码评审 | 调度、版本管理、测试、发布审批 | 任务版本、测试报告 |
| 质量 | 完整性、准确性、一致性、及时性规则和阈值 | 规则配置、监控告警、问题工单 | 质量报告、问题闭环时长 |
| 元数据与血缘 | 资产归属、变更影响分析要求 | 自动采集、血缘图、影响分析 | 资产目录、变更记录 |
| 服务 | 服务目录、服务等级、申请审批 | 接口网关、配额、调用监控 | 服务清单、调用日志 |
| 权限与安全 | 分类分级、最小权限、审批和审计 | 行列权限、脱敏、审计日志 | 授权记录、审计报告 |
| 运营 | 资产使用、成本、复盘机制 | 使用统计、成本看板、问题台账 | 运营报告、复盘结论 |
这张表可以直接放进规划文档。每一行右侧三列分别回答平台做什么、留下什么、怎么验收。评审时发现某一列空白,就说明这项治理还没有设计完整。
AI 与 Agent 场景会多出五类控制点,规划时要提前留位置。
- 语义与指标。 Agent 取数和分析要调用统一的指标定义、维度和时间窗口,不能各自解释业务词。
- 权限继承。 Agent 使用发起人的身份和数据权限,不放大访问范围;敏感字段的脱敏规则要同样生效。
- 引用溯源。 回答和报告要能指回数据源、指标版本和计算逻辑,读者可以复核结论从哪里来。
- 执行审计。 取数、分析、写回、触达等动作要留下记录,能回答谁在什么时间让 Agent 做了什么。
- 结果复核。 关键结论要有抽样核对、人工确认或评测集验证,不能把一次生成结果直接当成业务结论。
ThinkingAI 的企业级 AI Agent 平台 Agentic Engine 支持私有化部署,主 Agent 层包含安全治理、权限控制、执行审计和引用溯源等能力,可以把治理后的指标和分析能力接到 Agent 场景。事件分析、漏斗分析、留存分析、路径分析、用户分群和看板等能力可以承接分析使用层,企业已有数仓和数据平台不必替换,可以通过接口或数据同步对接。治理组织、标准制定和数据责任人机制仍需要企业自己建立;具体权限、审批和版本能力,要按实际部署版本逐项确认。
选型时先问控制点能不能对上,再看功能清单。控制点对不上,功能越多,后面补权限、补审计、补口径的成本越高。
六、先治理还是先建平台?
这个问题很少有一个通用顺序。判断依据是依赖关系:哪条规则必须先定,哪个能力必须先有,哪个证据必须先拿到。
| 企业起点 | 先补齐的依赖 | 一期范围 | 过关证据 | 主要风险 |
|---|---|---|---|---|
| 已有数仓或 BI,口径冲突多 | 核心指标口径、责任人、质量规则 | 指标语义层、资产目录、质量监控,复用现有数仓 | 同一指标跨报表一致,问题可定位 | 治理拖成文档工程 |
| 平台空白,业务需求急 | 最小数据链路和权限基线 | 1 到 2 个源系统、3 到 5 个指标、1 个场景,权限和审计同步上线 | 场景上线,业务主动使用,口径可复算 | 先接全量数据,返工 |
| 集团、多主体或强监管 | 分类分级、责任边界、审计要求 | 统一标准与权限框架,分批接域,优先合规域 | 越权可发现,审计可追溯,跨组织共享有规则 | 一刀切,业务不配合 |
可以用三条原则排序。
- 规则先于固化。 指标口径、主数据编码、权限基线要在模型和服务固化之前定下来。平台一旦上线,定义会写进模型、报表和接口,后期修改的影响范围更大。
- 能力先于规模化。 先用一个业务域验证接入、建模、指标、服务、权限和审计能不能跑通,再复制到更多域。全量接入后再补治理,通常会把问题放大。
- 证据先于扩张。 每一期都要拿到可复核的证据,包括口径一致、问题闭环、权限可审计、业务在用。没有证据就扩范围,预算很难持续。
常见的反模式有几种:治理和平台分两套预算、两套供应商、两套验收;先买平台再补治理;先写几十页制度再找平台;全量接入后再治理;把数据目录当成治理成果。它们的共同点是规划和交付脱节,治理规则没有进入平台的日常动作。
如果口径争议已经影响经营决策,先把核心指标、责任人和质量规则建起来;如果数据拿不到、服务不出来,先补平台最小链路,并把权限和审计一起上线。多数企业需要在同一个迭代里各做一小步,用最小治理集配合平台一期,避免两条线各自建设。
七、分期路线与验收门禁怎么设?
下面给出一条参考路线,周期按中型企业、一个试点域估算,实际要按系统数量、数据质量和组织协同调整。
| 阶段 | 参考周期 | 关键动作 | 交付物 | 过关条件 |
|---|---|---|---|---|
| 规划 | 6 到 8 周 | 四个工作包:业务任务、资产与责任、控制点、路线与预算 | 五列画布、目标架构、路线图、治理章程、业务论证 | 发起人、范围、指标基线、试点域明确 |
| 试点 | 8 到 12 周 | 1 个业务域、3 到 5 个指标、1 到 2 个场景;最小治理集加最小链路 | 指标字典、质量报告、服务清单、上线场景 | 业务主动使用,口径可复算,问题能闭环 |
| 扩展 | 2 个季度 | 复制到 2 到 3 个域,模板化开发规范,培训数据负责人 | 域级资产、平台补齐清单、运营机制 | 新域不依赖原班人马,交付周期缩短 |
| 运营 | 持续 | 治理例会、质量服务等级、资产运营、成本优化、年度复盘 | 运营报告、审计报告、下一年规划 | 责任、预算、服务等级落实 |
验收指标分三层,不要只数平台功能。
| 层次 | 候选指标 | 使用要点 |
|---|---|---|
| 业务 | 报表交付周期、口径争议次数、场景使用率、资产复用率 | 先测基线,再定目标;用业务能感知的变化判断 |
| 治理 | 核心指标责任人覆盖率、质量规则执行率、问题闭环时长、权限审批合规率 | 看执行记录,不看制度文件数量 |
| 平台 | 任务成功率、查询响应时间、单位查询成本、审计覆盖率 | 作为过程指标,不能替代业务和治理结果 |
指标要先测基线,再定目标。没有基线的目标,验收时容易变成争论。 目标值按企业现状和场景确定,不套统一数字;同一指标在不同报表、接口和分析工具里要能复算,才算统一。
DCMM可以作为现状检查表。GB/T 36073-2025于 2025 年 12 月 31 日发布,2026 年 7 月 1 日实施,替代 2018 版。据中国信通院公开解读,新版标准新增数据资产域,覆盖数据权属、价值评估和资产运营,并增加外部数据管理、数据产品、高质量数据集等要求。它适合用来识别能力缺口和安排改进顺序,不适合直接当成建设目标。评级能说明管理成熟度,不能证明业务已经用起来。
阶段门禁要写进项目计划,和里程碑一起管理。立项门禁看目标、范围、发起人、验收指标和预算来源是否齐全;试点转推广门禁看口径是否一致、场景是否上线、质量问题是否闭环、业务是否确认可用;推广转运营门禁看数据负责人是否到位、服务等级是否约定、运营预算是否落实、需求流程是否运转。门禁不通过,就调整范围或补能力,不把问题带到下一阶段。
常见问题
数据治理和数据平台必须同时立项吗?
建议共用立项和验收,分步交付。治理可以先用制度和表格运行,平台可以分期建设,但两者要共用业务任务、指标和门禁。两套项目、两套供应商、两套验收,容易在口径和预算上分叉。
预算有限,先做治理还是先上平台?
看当前卡点。口径争议影响决策,先做核心指标、责任人和质量规则;数据拿不到、服务不出来,先做最小数据链路,并把权限和审计一起上线。无论先做哪一项,都选一个业务域,不要全量铺开。
买了数据治理平台,是否就能完成治理?
平台能承接元数据、标准、质量、血缘、权限等控制点,不能替代业务负责人定口径,不能替代跨部门裁决,也不能替代整改。采购前用控制点清单验收,不只看功能列表。
一期多长,怎么算成功?
参考 8 到 12 周做一个业务域,3 到 5 个指标,1 到 2 个场景。成功信号包括业务主动使用、同一指标可复算、质量问题能闭环、权限可审计。具体周期按系统数量和数据基础调整。
业务部门不参与怎么办?
先把业务任务和指标翻译成业务能理解的收益和风险,让业务负责人担任数据负责人,把口径评审和问题整改写进职责。只靠 IT 推动,治理很难持续。Gartner 2026 年的调查中,文化阻力比资金约束更常被提到,说明参与机制要单独设计。
AI Agent 上线前要补什么?
补语义与指标、权限继承、引用溯源、执行审计和结果复核。先用一个受控场景试点,确认 Agent 取到的数据、调用的指标和输出结论都能追溯,再扩大范围。
如果要把这套方法压缩成一页,记住五个动作:列业务任务、定核心指标、指数据责任人、把规则落到平台控制点、用门禁验收。五个动作能在一条业务域上跑通,再谈扩展。ThinkingAI 可以在分析使用层和 Agent 场景承接治理后的指标、权限与审计,规划本身仍要从企业的业务任务和责任机制开始。






