一份数据治理方案写得厚,不等于能通过评审。评审人通常只关心几个问题:为什么现在做,治理到什么范围,谁负责,花多少资源,什么时候算完成。方案如果不能用这几页纸回答清楚,后面的定义、框架和术语越多,推进反而越慢。
下面给出一套可以直接套用的方案结构,逐章说明该写什么、写到什么颗粒度,并用一个客户主数据治理的虚构示例演示怎么填。数据治理的总体概念、治理范围和实施路径,可以配合什么是数据治理?2026企业数据治理完整指南一起看,本文只聚焦方案文档本身。
一、数据治理方案怎么写,先判断类型再搭结构
动笔前先确认方案要支撑什么决策。数据治理方案至少有三类,读者、时间跨度和详细程度不同。把三类混在一份文件里,常见结果是背景写得很长,要批的范围、资源和验收却没有写清。
1. 先判断方案类型
| 方案类型 | 主要用途 | 主要读者 | 时间跨度 | 应重点写清 |
|---|---|---|---|---|
| 数据治理顶层规划 | 确定治理方向、组织、制度和多年路线 | 管理层、董事会、数字化委员会 | 3-5 年 | 治理目标、组织与决策权、治理域、阶段路线、资源原则 |
| 数据治理项目实施方案 | 为一个治理项目申请立项、预算和排期 | 项目决策会、业务与 IT 负责人、采购和财务 | 6-18 个月 | 问题证据、项目范围、工作包、里程碑、预算、验收 |
| 数据治理专项方案 | 解决一个具体领域的问题,如客户主数据、指标口径、数据质量 | 业务部门、数据团队、系统负责人 | 1-6 个月 | 现状、规则、清洗或改造动作、责任、验收指标 |
本文以数据治理项目实施方案为主,这套骨架也可以作为数据治理实施方案的编写底稿。顶层规划可以把本文的结构当作落地章节,专项方案可以只保留与专项相关的部分。判断方法很简单,看评审会上要做什么决定。要批预算和排期,就写实施方案;要定方向和分工,就写顶层规划;要解决一个具体问题,就写专项方案。
如果一份方案同时承担三种任务,建议拆成一份主方案加若干附件,正文只保留决策所需的信息。这样评审人不用在概念、项目和专项细节之间来回跳。
2. 一份可评审的数据治理方案包含 10 个部分
下面这张表是一份项目实施方案的通用骨架。项目小可以合并章节,集团级方案可以增加数据架构和系统改造章节。每一章都要支撑一个评审决定,目录完整本身不产生价值。
| 章节 | 要回答的问题 | 最低交付物 | 常见问题 |
|---|---|---|---|
| 1 摘要与决策请求 | 要解决什么问题,需要批什么 | 1 页摘要、决策事项清单 | 写成项目简介,没有明确请求 |
| 2 现状与问题 | 问题发生在哪里,证据是什么,影响多大 | 问题清单、数据证据、影响说明 | 只有数据质量差等结论,没有样本和口径 |
| 3 目标与成功标准 | 业务目标、治理目标、验收指标分别是什么 | 目标链、指标表、基线 | 目标无法测量,指标没有口径 |
| 4 范围与边界 | 治理哪些数据、系统、组织,不治理什么 | 范围表、试点选择说明 | 范围过大,或没有排除项 |
| 5 治理体系 | 谁决策、谁负责、按什么制度流程做 | 组织与职责表、制度清单、流程说明 | 只有架构图,没有决策权和升级路径 |
| 6 治理域与工作包 | 具体做哪些工作,交付什么 | 工作包表、交付物清单、责任矩阵 | 工作包是口号,无法估算和验收 |
| 7 实施路线 | 分几步,先后依赖是什么,何时过关 | 阶段计划、里程碑、门禁条件 | 只有时间表,没有依赖和退出条件 |
| 8 组织、预算与收益 | 需要什么人、多少钱,收益怎么测算 | 资源计划、预算表、收益假设 | 只算软件费用,漏掉内部人力和运营成本 |
| 9 风险与变更 | 哪些因素会导致失败,怎么应对 | 风险表、变更管理计划 | 风险写成重视不够,没有责任人和动作 |
| 10 验收与运营 | 怎么算完成,完成后怎么持续 | 验收表、运营机制 | 验收只看文档,不看数据和业务结果 |
如果方案只有十几页,至少保留摘要、问题、目标、范围、工作包、组织、验收这七部分。预算、风险和运营可以合并成一节,但不能省略。评审人看不到这些内容,就无法判断项目能不能启动。
框架可以用来查漏,不能用来代替方案。DAMA 国际的 DAMA-DMBOK 第 2 版把数据管理分为 11 个知识领域,适合做治理范围的检查清单。国内企业常参考数据管理能力成熟度评估模型 DCMM。国家标准全文公开系统显示,现行版本是 GB/T 36073-2025,2025-12-31 发布,2026-07-01 实施,替代 GB/T 36073-2018。写方案时注明参考的版本和范围,避免把旧版条款或全套能力域直接当成项目要求。
二、逐章怎么写,从问题证据到验收标准
下面按章节顺序说明写法。每章先给出要回答的问题,再给出可用的表达方式和常见缺口。
1. 摘要与决策请求,一页说清要批准什么
摘要放在最前面,控制在一页内。它要写清五件事:当前问题、业务影响、建议做什么、需要多少资源、请评审会做什么决定。可以用下面这个句式:
当前,客户数据分散在 CRM、ERP 和电商后台,同一客户在三个系统中存在多条记录,导致营销重复触达和客服识别错误。建议用 6 个月完成客户主数据标准、历史数据清洗和新增数据校验,预算为 XX 万元,需要业务副总裁担任发起人、市场部承担客户数据 Owner。请评审会批准项目立项和第一期预算。
这段是示意写法,实际方案要替换成企业自己的问题和数字。决策请求要具体到批准立项、批准预算、批准范围、批准排期中的一项或几项。摘要的任务是让评审人知道要做什么决定,背景和术语放在后面。
如果方案需要多轮评审,摘要里写明本轮只解决什么问题。比如第一轮只批立项和诊断范围,第二轮再批实施方案和预算,避免一次评审承载过多争议。
2. 现状与问题,把数据很乱写成可核验的事实
现状部分最容易写成感受。有效的写法是把问题拆成四层:业务现象、数据表现、证据、影响。每一层都尽量给出对象、口径和时间范围。
| 层次 | 写法 | 示例 |
|---|---|---|
| 业务现象 | 哪个业务动作受阻 | 营销活动重复触达客户,客服无法识别同一客户 |
| 数据表现 | 哪些数据对象出现什么现象 | 客户表存在重复记录,手机号、证件号等关键字段缺失 |
| 证据 | 用什么样本、口径、时间验证 | 抽取某月 10 万条客户记录,按证件号去重后重复率 XX% |
| 影响 | 对收入、成本、风险或决策的影响 | 重复触达带来投诉,人工合并记录每月耗时 XX 人天 |
写证据时说明数据来源、抽取时间、统计口径和样本范围。问题不要列太多,选 3-5 个与目标直接相关的问题。现状部分要写出可复查的证据,不能只写数据质量差。
还要区分存量问题和增量问题。历史数据脏是存量问题,新数据继续脏通常是流程和系统入口的问题。只清洗历史数据,不在录入、接口和审批环节加校验,过一段时间又会积累出新的重复记录。
如果暂时没有量化数据,可以先写定性证据,但要在方案里列出补采计划。比如在诊断阶段补充数据画像、字段完整率抽样和业务访谈,再据此修正目标值。
3. 目标与成功标准,业务目标、治理目标、验收指标要分开
目标部分常见的问题是只有一句提升数据质量。这句话无法指导排期,也无法验收。建议把目标拆成三层,并让三层之间有清楚的因果关系。
| 层级 | 回答什么 | 示例 |
|---|---|---|
| 业务目标 | 业务上要改善什么 | 缩短客户合并和营销名单准备时间,减少重复触达 |
| 治理目标 | 数据管理上要建立什么能力 | 建立客户主数据标准、唯一性校验和质量监控 |
| 验收指标 | 用什么口径判断完成 | 客户重复率、关键字段完整率、新增重复记录数、问题闭环时长 |
每个指标写清基线、目标值、统计口径、数据来源和验收时点。目标值要有依据,来自历史数据、试点结果或业务可接受范围,不能为了好看随意填。目标要能测量,指标要能复查,验收才有意义。
区分结果指标和过程指标。重复率下降是结果,完成多少场培训是过程。过程指标可以辅助管理,不能替代验收。如果目标需要分阶段,写清第一期和第二期的差别,避免用最终目标掩盖第一期无法验收的问题。
4. 范围与边界,写清治理什么、不治理什么
范围要同时写清四个维度:数据域、系统、组织、时间。只写全公司数据等于没有范围。建议用一张范围表,把纳入和排除都写出来。
| 维度 | 纳入 | 排除 | 说明 |
|---|---|---|---|
| 数据域 | 客户、产品、订单 | 供应商、员工 | 本期只解决与营销和客服相关的核心实体 |
| 系统 | CRM、ERP、电商后台 | 财务系统 | 财务系统在二期接入 |
| 组织 | 总部、华东区域 | 海外子公司 | 海外数据标准另行制定 |
| 时间 | 2027 年 1-6 月 | 2027 年下半年 | 二期根据一期验收结果决定 |
排除项要写理由,避免评审时被理解为遗漏。试点范围要能代表主要问题,同时能在 3-6 个月内看到结果。范围变更要有入口,写清谁提出、谁评估、谁批准、对预算和排期有什么影响。范围要同时写清纳入和排除,边界越清楚,执行时扯皮越少。
如果涉及个人数据或敏感数据,范围表要标注数据类型和合规要求。数据治理方案不处理合规细节,也不能在范围里留下空白,让执行团队自行判断。
5. 治理体系,组织、制度、流程、工具四件事
治理体系要说明谁有决策权、谁对数据质量负责、问题按什么路径升级,以及制度、流程和工具如何配合。组织架构图只是其中一部分。IBM 在数据治理实施方法中把落地要素归纳为人员、制度、流程和技术,并强调从业务目标出发、由高管发起人推动、迭代推进。
| 要素 | 要写清的内容 | 方案里的交付物 |
|---|---|---|
| 组织 | 发起人、治理委员会、归口部门、数据 Owner、数据 Steward、IT 支持 | 组织与职责表、RACI 责任矩阵 |
| 制度 | 数据标准、质量、安全、主数据、元数据、生命周期等管理办法 | 制度清单、发布计划 |
| 流程 | 标准变更、质量问题闭环、数据申请与授权、争议升级 | 流程图、处理时限、表单 |
| 工具 | 元数据、质量、主数据、资产目录、工作流 | 工具能力要求、与现有系统的集成关系 |
组织部分要特别写清三类角色。发起人负责资源和跨部门协调。数据 Owner 指对某类数据的业务定义、质量和授权负最终责任的人。数据 Steward 指日常维护标准、跟进质量问题的人。只有岗位名称,没有决策权和处理时限,治理机制在遇到争议时就会停摆。
如果要把组织、制度和流程展开成完整体系,可以参考企业级数据治理体系怎么搭。本文重点放在方案怎么写,体系设计不在这里展开。
6. 治理域与工作包,把治理拆成可交付的工作
治理域是分类,工作包是项目里真正要报价、排期和验收的单位。方案里不要只列数据标准、数据质量、数据安全这些名词,要把它拆成有动作、有交付物、有责任人的工作包。
| 工作包 | 主要动作 | 交付物 | 主责 | 验收证据 |
|---|---|---|---|---|
| 数据标准 | 梳理核心实体和字段,统一命名、定义、类型、值域 | 标准文档、数据字典、映射表 | 数据 Owner 和标准管理员 | 标准发布记录、字段映射覆盖率 |
| 主数据 | 识别唯一性规则,清洗存量,建立新增校验 | 主数据模型、清洗报告、校验规则 | 业务 Owner 和 IT | 重复率、完整率、新增重复数 |
| 指标口径 | 统一指标定义、公式、统计范围和时间窗口 | 指标字典、口径说明、变更记录 | 业务 Owner 和数据分析团队 | 同名指标一致率、口径覆盖率 |
| 元数据与血缘 | 采集技术元数据,补充业务元数据,梳理关键链路 | 资产目录、血缘图、元数据清单 | 数据平台团队 | 核心表覆盖率、血缘完整率 |
| 数据质量 | 定义质量规则,配置监控,建立问题闭环 | 规则库、质量报告、问题台账 | 数据质量团队和业务部门 | 规则执行率、闭环率 |
| 数据安全 | 分类分级、权限策略、脱敏、审计 | 分类分级清单、权限矩阵、审计记录 | 安全团队和数据 Owner | 敏感字段覆盖率、越权访问数 |
| 资产生命周期 | 明确采集、存储、使用、归档、销毁规则 | 生命周期策略、归档清单 | 数据管理团队 | 策略覆盖率、归档执行记录 |
工作包要能估算,每个包写清输入、动作、输出、工作量假设和依赖。优先级按业务目标排,不按治理域是否完整排。一个与目标无关的治理域可以放到二期。数据治理工作包要能报价、排期和验收,否则只是治理名词的集合。
工作包之间有关系。标准先行,质量规则和主数据清洗才有依据。责任不清,质量问题的闭环就会变成 IT 单方面催办。如果使用外部服务商,工作包要写清甲方和乙方的分工,避免把治理整体外包后无人承接。
ThinkingAI 服务全球 1500 家企业,接入产品超过 8000 款。产品多、系统多、指标多时,方案里更要把工作包写到具体系统、字段和责任人,否则平台上线后仍然会出现同一指标多个口径。
如果企业已经在用 AI 分析、智能运营或 Agent 处理客户任务,方案里要额外写清治理成果如何被这些场景复用。客户唯一标识是否进入分析模型,指标口径是否进入语义层,权限规则是否随 Agent 调用一起生效。治理规则只停留在文档里,Agent 读到的仍然是重复客户和冲突指标,输出结果就很难稳定。指标和语义层的建设方法,可以参考Agent 语义层建设指南。
7. 实施路线,阶段、依赖和门禁
实施路线要回答三个问题:先做什么、后做什么、每一阶段什么条件下才能进入下一阶段。只给一张甘特图,评审人无法判断依赖关系。
| 阶段 | 主要工作 | 输出 | 进入下一阶段的条件 |
|---|---|---|---|
| 启动与诊断 | 访谈、系统盘点、数据抽样、问题排序 | 现状报告、问题清单、目标草案 | 关键问题有证据,业务目标得到发起人确认 |
| 设计与试点 | 标准、主数据规则、质量规则、组织职责 | 标准文档、试点方案、职责表 | 试点范围、规则和验收指标评审通过 |
| 推广与固化 | 扩展到更多系统和区域,配置监控,培训 | 推广计划、监控看板、培训记录 | 试点指标达标,问题闭环机制运行 |
| 运营与优化 | 定期复盘、规则更新、年度评估 | 运营报告、改进清单 | 进入常态运营,按季度或年度复盘 |
阶段划分服从依赖,不追求固定四阶段。标准没定就做大规模清洗,返工概率高。责任没定就上质量监控,问题分不出去。每个阶段写清退出条件,避免时间到了就算完成。实施路线要写清阶段门禁,不能只看时间表。
预留一段缓冲给数据抽取、系统改造和业务确认,这三件事最容易拖期。如果项目跨年,写明预算和资源的延续安排,避免第一期结束后团队解散,第二期重新招人。
8. 组织、预算与收益
预算部分常见的问题是只算软件采购,漏掉实施、内部人力和持续运营。方案里的预算至少要分五类:软件和工具、实施服务、基础设施、内部人力与培训、上线后运营。每一类写清测算口径和假设。
| 成本项 | 测算口径 | 需要写明的假设 |
|---|---|---|
| 软件与工具 | 许可、订阅、按节点或按数据量 | 用户数、数据量、部署方式、合同周期 |
| 实施服务 | 人天乘单价,或按工作包报价 | 工作包范围、交付物、驻场要求 |
| 基础设施 | 计算、存储、网络、备份 | 数据规模、增长预期、保留周期 |
| 内部人力 | 各角色投入比例乘周期 | 发起人、Owner、Steward、IT 的投入时间 |
| 培训与运营 | 培训场次、材料、运营人员 | 培训对象、频次、运营机制 |
收益测算要区分可量化收益和风险收益。可量化收益包括减少人工合并、缩短报表准备时间、降低重复触达成本。风险收益包括合规风险下降、审计准备时间减少。收益测算写清公式和假设,不要把潜在收益写成已实现收益。
可以用两个简单公式起头。年化人力收益等于每次处理节省的时间乘处理频次乘人力成本。触达成本收益等于减少的重复触达量乘单次触达成本。公式不复杂,关键是假设要能被业务和财务复核。预算要覆盖上线后的运营成本,收益要写清假设,不能只报一个总数。
资源不足时,缩小范围比压低预算更可靠。预算不足会导致工作包做不完整,验收时更难交代。
9. 风险与变更
风险部分不要写领导重视不够这类无法处理的话。每条风险写清触发条件、影响、应对动作和责任人。变更管理则要说明业务角色、流程和系统入口如何调整。
| 风险 | 触发信号 | 影响 | 应对动作 | 责任人 |
|---|---|---|---|---|
| 业务参与不足 | 评审会缺席、数据确认拖延 | 标准无法落地 | 发起人定期协调,把参与情况纳入项目例会议程 | 发起人 |
| 范围蔓延 | 不断新增系统或数据域 | 排期和预算失控 | 变更申请、影响评估、书面批准 | 项目经理 |
| 源数据质量差 | 抽样发现大量缺失或重复 | 清洗工作量增加 | 先做数据画像,分批次清洗,调整试点范围 | 数据 Owner |
| 系统改造排期冲突 | 依赖的系统版本延迟 | 接口和校验无法上线 | 提前锁定排期,准备临时手工校验方案 | IT 负责人 |
| 权责争议 | 多个部门都认为数据归对方 | 问题无人闭环 | 用 RACI 责任矩阵明确决策权,提交治理委员会裁决 | 治理委员会 |
| 预算削减 | 项目优先级调整 | 工作包被压缩 | 保留核心范围,冻结非关键工作包,重新评审 | 发起人 |
10. 验收与运营
数据治理验收要分三层:交付物验收、指标验收、运营验收。只验收文档,项目很容易完成后无人使用。只验收指标,又可能忽略规则、流程和资产是否真正建成。验收要能举证,不能只验文档。
| 验收层 | 验收内容 | 证据 | 验收人 |
|---|---|---|---|
| 交付物 | 标准、字典、规则、报告、培训材料 | 文档清单、版本记录 | 项目经理、数据 Owner |
| 指标 | 重复率、完整率、及时率、问题闭环率 | 监控报表、抽样复核 | 业务 Owner、数据治理办公室 |
| 运营 | 角色是否到位、流程是否运行、问题是否闭环 | 会议记录、问题台账、运营报告 | 发起人、治理委员会 |
验收时点要写清,是上线后立即验收,还是运行 1-3 个月后验收。验收不通过怎么办,补做、缩范围、延期还是终止,方案里要有处理规则。验收后进入运营,明确规则维护频率、问题处理时限和年度评估机制。
三、编写示例,客户主数据治理方案怎么填
下面用一个虚构的零售企业示例,演示方案中的关键章节怎么写。示例中的企业、数字和时间均为说明写法而设,不代表真实项目结果。
| 方案章节 | 示例写法 |
|---|---|
| 现状与问题 | 客户数据分布在 CRM、ERP 和电商后台。按证件号抽样去重,重复记录占比约 18%,手机号和地址缺失率约 12%。营销名单需要人工合并,平均每月耗时 6 人天,重复触达带来客诉。 |
| 目标与验收 | 项目按 24 周(约 6 个月)排期,第 12 周末试点上线,第 20 周末完成本期范围全量上线,第 24 周末完成本期验收。届时本期范围内存量重复率降到 5% 以下,关键字段完整率达到 95% 以上;全量上线后第 21—24 周新增客户重复记录为 0。 |
| 范围 | 纳入零售业务客户、CRM、ERP、电商后台、总部和华东区域。排除供应商、员工数据和海外子公司。财务系统二期接入。 |
| 组织 | 业务副总裁任发起人,市场部任客户数据 Owner,CRM 运营任数据 Steward,IT 负责接口和校验,数据治理办公室负责节奏和评审。 |
| 工作包 | 客户主数据标准、历史数据清洗、新增唯一性校验、质量监控、权限与审计。 |
| 路线 | 第 1—2 周诊断,第 3—6 周标准设计,第 7—12 周清洗和试点并于第 12 周末试点上线;试点达标后,第 13—20 周推广并于第 20 周末完成本期范围全量上线;第 21—24 周运行观察,第 24 周末完成指标与运营验收。 |
| 预算 | 软件与实施 XX 万元,内部人力按 0.5 个专职等效人力计算,上线后每年运营预算 XX 万元。 |
| 风险 | 业务确认慢、源数据缺失、系统接口排期冲突。分别由发起人、数据 Owner、IT 负责人处理。 |
这里的试点上线仅覆盖 CRM 与华东区域试点客户;本期范围全量上线指本表范围内的 CRM、ERP、电商后台及总部和华东区域全部纳入,不包含排除项。第 12 周末检查试点指标,达标后才能推广,不视为本期最终验收;最终验收统一在第 24 周末,以本期全量范围的存量快照及第 21—24 周运行记录为依据。24 周是便于示意的约 6 个月排期,实际项目须换成日历日期;门禁未通过应评估延期,不能按日期自动放行。
把上面内容写成方案段落,可以这样表达:
当前客户数据分散在 CRM、ERP 和电商后台,同一客户在不同系统中存在多条记录。按证件号对某月 10 万条客户记录抽样去重,重复记录占比约 18%,手机号和地址缺失率约 12%。营销名单需要人工合并,平均每月占用 6 人天,重复触达已经带来客户投诉。问题的主要来源是新增客户缺少统一校验,以及历史数据没有按统一规则清洗。 本项目建议按 24 周(约 6 个月)完成客户主数据标准、历史数据清洗、新增唯一性校验及本期验收:第 12 周末在 CRM 与华东区域试点客户中上线,试点达标后推广,第 20 周末完成本期范围全量上线,第 21—24 周运行观察,第 24 周末最终验收。验收以本期全量范围为准,客户存量重复率降至 5% 以下、关键字段完整率达到 95% 以上;第 21—24 周新增客户重复记录为 0、质量问题平均闭环时间不超过 5 个工作日。项目由业务副总裁担任发起人,市场部作为客户数据 Owner,CRM 运营承担数据 Steward 职责,IT 负责接口和校验规则的技术实现。
工作包可以继续拆到可报价的程度:
| 工作包 | 主要动作 | 交付物 | 主责 | 验收证据 |
|---|---|---|---|---|
| 客户主数据标准 | 统一客户唯一标识、必填字段、地址和联系方式格式 | 客户数据标准、字段字典、映射表 | 市场部和数据治理办公室 | 标准发布、字段映射覆盖率 |
| 历史数据清洗 | 按证件号和手机号识别重复,合并冲突字段,保留变更记录 | 清洗规则、清洗报告、合并台账 | 数据治理办公室和 IT | 重复率、合并准确率抽样 |
| 新增唯一性校验 | 在 CRM 和电商下单入口增加校验,重复客户提示合并 | 校验规则、接口说明、操作手册 | IT 和 CRM 运营 | 新增重复记录数、拦截记录 |
| 质量监控 | 监控重复率、完整率、及时率,建立问题分派和闭环 | 质量看板、问题台账 | 数据治理办公室 | 规则执行率、闭环率 |
| 权限与审计 | 按角色配置客户数据访问权限,记录查询和导出行为 | 权限矩阵、审计日志 | 安全团队和市场部 | 敏感字段覆盖率、越权访问数 |
这个示例的重点在写法,不在数字。实际方案里,基线要从企业自己的数据抽样中得来,目标值要和业务负责人确认,预算要按实际报价和人力投入测算。示例中的 18%、5% 和 6 人天只是为了让填写方式更具体,不能直接复制到别的企业。
四、评审前检查,这份方案能不能被批准和执行
方案写完,先按下面四组问题自查。每组只要有一项答不上来,评审时大概率会被追问。
| 检查组 | 检查问题 |
|---|---|
| 问题与目标 | 为什么现在做,不做的后果是什么;问题有没有数据证据,样本、口径和时间范围是否写清;业务目标、治理目标和验收指标是否分开,指标是否可测量 |
| 范围与工作包 | 纳入了哪些数据域、系统、组织和时间范围,排除了什么;每个工作包是否有动作、交付物、主责和验收证据;工作包之间的依赖是否写清,先做什么、后做什么 |
| 组织与资源 | 发起人是谁,他是否愿意为跨部门协调负责;数据 Owner、数据 Steward、IT 的分工是否清楚;预算是否覆盖实施、内部人力和上线后运营;关键角色是否有足够的时间投入 |
| 验收与风险 | 验收分几层,每层的证据和验收人是谁;验收不通过怎么办,范围变更谁批准;主要风险是否有触发信号、应对动作和责任人;上线后谁维护规则、谁处理问题、多久复盘一次 |
如果时间有限,优先改三处:把目标改成可测量的指标,把范围缩到能在 6 个月内交付的试点,把验收写成可举证的清单。这三处清楚,方案的可执行性会提高。
评审人常问的三个问题,可以提前准备一页附页:为什么是这个范围,为什么是这个预算,为什么是这个时间。每页用一两个关键证据回答,不重复正文。
常见问题
数据治理方案一般写多长
没有统一字数。项目实施方案通常控制在 20-40 页,另加附件。管理层看的摘要控制在 1-2 页。篇幅服从决策需要,能用一个表格说清的内容不要展开成三页。评审材料可以长,执行手册可以另附。
没有数据治理经验,先写方案还是先做试点
可以同时做,但顺序要清楚。先用 2-4 周做一次小范围诊断,拿到问题和数据证据,再写试点方案。没有诊断就写全量方案,范围容易失控。等所有标准都完美再试点,项目又可能一直启动不了。
方案里要不要写具体产品品牌
项目实施方案建议写能力要求和选型标准,不写品牌清单。需要采购时,把产品评估放到单独的选型材料里,避免方案被理解为指定供应商。如果企业已经有数据平台,方案里写清现有平台承担哪些工作、还缺哪些能力,比列品牌更有用。
数据治理方案和顶层设计有什么区别
顶层设计确定治理方向、组织、制度和多年路线。方案确定一个项目的范围、工作包、预算、排期和验收。顶层设计可以指导多个项目,方案只对一个项目负责。两者可以配套,不能互相替代。
小企业需要写完整方案吗
不需要照搬大企业模板。小企业可以用 5-8 页写清五件事:问题、目标、范围、负责人、验收指标。先把一个高频问题解决掉,再逐步扩展。方案的价值在于帮助团队对齐,文档厚度不决定方案质量。
方案评审最常见的失败原因是什么
常见原因集中在三处:目标不可测量,范围过大,验收没有证据。再加上发起人不明确、业务不参与,方案即使通过,执行时也很容易停在文档层面。
参考资料
- IBM 官网,《如何实施数据治理》,https://www.ibm.com/cn-zh/think/insights/data-governance-strategy
- 国家标准全文公开系统,GB/T 36073-2025《数据管理能力成熟度评估模型》,https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=22559F9C7BF9EAC6A3927223FE33CE20
- DAMA 国际,DAMA-DMBOK 核心知识领域,https://www.damadmbok.org/dmbok-framework






