数据中台数据治理做哪些工作？

数据中台数据治理主要包括八类工作：组织与制度、数据标准、元数据与血缘、主数据与指标、数据质量、安全与权限、资产目录与服务、生命周期与运营。 每类都需要明确具体动作、交付物和负责人，才能排期、分工并检查是否完成。

数据中台把分散在各业务系统的数据接入、加工成可复用的数据资产，再通过报表、接口和分析服务提供给业务使用。围绕这条链路，数据中台数据治理要做的工作可以拆成八类：组织与制度、数据标准、元数据与血缘、主数据与指标、数据质量、安全与权限、资产目录与服务、生命周期与运营。每类工作都有明确的动作、交付物和主责角色，也需要与源头业务系统分工。理解这些工作在接入、加工和服务环节中的位置，可以对照数据中台架构。

一、数据中台数据治理的工作边界

数据治理是对数据资产管理行使决策和控制的活动，包含组织、制度、标准、质量、安全、生命周期等内容。数据中台是承载这些规则的平台，不能替代业务系统和业务负责人。

中台内做得了的工作，通常包括接入后的标准校验、模型设计评审、元数据采集、质量监控、权限配置、资产编目和服务发布。必须回到源头做的工作，包括业务系统录入规范、主数据审批、源系统字段改造、业务口径拍板和部门责任认定。

判断分工时，要看规则由谁确认、在哪个系统执行，以及出了问题由谁处理。中台可以执行校验、保留记录和分派工单；涉及业务含义、跨部门争议和源系统改造时，仍需要业务与 IT 负责人作出决定。能够留下记录，并不意味着责任全部归中台团队。

二、数据中台数据治理的8类工作

图1 数据中台治理的八类工作与主责关系。

八类工作不必一次全做，应先围绕影响业务的核心问题确定范围。 数据基础较弱的企业，先把核心指标、核心实体和核心表管住；已经有数据仓库和中台的企业，重点补元数据、质量闭环和资产运营。

1. 组织、制度与认责

治理工作先要有人拍板、有人执行、有人对结果负责。常见做法是三层。决策层由管理层和业务负责人组成，批准治理范围、预算和跨部门争议。执行层设数据治理办公室或虚拟团队，负责标准、流程、工具和日常推进。落地层设数据责任人和数据管家，前者由业务负责人担任，对本领域数据的含义、质量、授权和争议负责；后者多由业务骨干或数据人员兼任，维护元数据、标准和问题台账。

具体动作包括：划定首批治理域，明确每个域的数据责任人；把治理目标写进中台项目验收；建立问题升级和仲裁机制；把数据质量、标准执行纳入部门考核。

交付物有治理章程、责任矩阵、年度工作清单、问题台账和例会纪要。

华为云在其数据治理组织文档中，把角色拆成数据治理领导组、数据治理委员会、领域数据治理工作组，以及数据责任人、数据代表、数据管家、数据专员和数据架构师。这个拆法可以直接借鉴，小团队不必照搬全部角色，可以合并岗位，不能缺最终负责人。

常见失败是制度发了、责任没落到人；或者数据责任人只有名义，没有预算和决策权。

2. 数据标准与建模规范

标准工作解决同名不同义、同义不同名。范围包括业务术语、数据元、编码规则、命名规范、值域、模型分层和指标定义。

具体可以按以下步骤推进：

• 盘点核心业务对象在各部门的名称和字段，确认哪些含义冲突。
• 共同确定标准及允许保留的例外规则。
• 将校验配置到接入、建模和发布环节。
• 标准变更时完成评审，保留版本和生效记录。

交付物有标准目录、标准卡、落标检查记录、例外清单和版本说明。

分工上，业务负责人定业务含义，数据架构师把含义转成字段、编码和模型规范，开发在链路里执行，治理办公室组织评审。中台能拦住不合规的数据进入资产层，源系统的录入规则仍要在源系统改。只在中台做清洗，问题会反复出现。

标准怎么从文档走到执行，数据标准怎么制定和执行有更细的字段、事件和指标模板。

3. 元数据、血缘与变更影响

元数据是治理的基础设施。技术元数据描述表、字段、任务和存储，业务元数据描述指标、口径和业务含义，管理元数据记录责任人、权限和生命周期状态。

具体动作是自动采集元数据，按周期比对版本；把字段、模型、任务、报表和接口串成血缘；在表结构或任务变更前生成影响报告；对下线资产做标记。

交付物有数据字典、元数据清单、字段级血缘图、变更影响报告和资产责任人清单。

主责通常在数据架构或平台团队，业务和数据管家补业务含义。只采集不维护，血缘很快会过期；没有责任人，元数据会变成另一份没人看的文档。元数据做扎实后，质量问题的定位、安全审计的追溯、资产目录的检索才有共同底座。

4. 主数据与指标口径

主数据是跨系统共享的核心实体，常见的有客户、商品、门店、组织、供应商和账号。指标口径是业务对某个结果的统一定义，包括名称、业务含义、计算公式、统计维度、时间窗口、过滤条件和责任人。

具体动作是盘点各系统的实体编码和指标版本，找出多套口径；确定唯一来源和合并规则；建立跨系统映射，比如同一用户在不同业务线的账号归并；指标定义由业务责任人签字，变更走审批并通知下游。

交付物有主数据标准、映射表、指标字典、口径变更记录和争议裁决记录。

中台不能替业务决定什么算成功交易、什么算活跃用户。这些问题必须由业务责任人拍板，数据团队负责把口径固化成模型和校验规则。指标口径如何做到可执行、可追溯，可以参考指标口径管理的系统化做法。

5. 数据质量规则与整改闭环

质量工作要回答三个问题：哪些数据重要，坏了怎么发现，发现后谁修。

常见质量维度包括完整性、准确性、一致性、及时性、唯一性和有效性。规则可以来自业务约束，比如订单金额不能为负；也可以来自技术约束，比如主键不能重复。

可以先选核心指标和核心表试点：

• 由业务和数据团队共同确认质量规则及阈值。
• 在采集、加工和发布环节配置所需监控。
• 按影响程度分级，将工单交给实际负责的源系统、加工链路或录入团队。
• 修复后复核，按月汇总处理结果和重复问题。

交付物有质量规则库、监控看板、问题工单、整改记录和质量月报。

分工上，业务确认规则，数据团队配置监控和分析原因，源系统责任部门修复，治理办公室跟踪闭环。质量分数只能说明状态，能定位到源头和责任人才算形成机制。

6. 数据安全、权限与合规

安全治理要覆盖分类分级、敏感数据识别、脱敏、加密、访问审批、权限回收和审计。

《中华人民共和国数据安全法》第二十一条明确要求建立数据分类分级保护制度，根据数据的重要程度和危害程度实行分类分级保护。涉及个人信息时，还要遵守个人信息保护的相关法律要求。

具体动作是给资产打分类分级标签；按岗位、项目和数据范围配置权限；对手机号、身份证号等敏感字段做脱敏或加密；临时授权设置有效期；离职、转岗、项目结束时回收权限；保留访问和导出日志。

交付物有分类分级清单、权限矩阵、审批记录、审计日志和应急预案。

分工上，安全合规团队定规则和底线，业务责任人审批授权，平台团队实现权限和脱敏，审计团队独立检查。权限配置会随组织和项目变化，定期复核不能省。

7. 资产目录、服务发布与运营

治理后的数据要能被找到、看懂、申请到、用起来，资产目录和服务运营就是最后一公里。

具体动作是盘点可复用资产，按主题和业务域编目；给资产补质量、安全、责任人和更新频率等标签；设置发布审核；提供检索、申请、审批和调用入口；对接口和报表定义服务级别；监控调用量、失败率和用量成本；对长期无人使用的资产先检查关键用途和下游依赖，再决定整合、归档或下线。

交付物有资产目录、服务清单、服务级别说明、运营月报和下线清单。

主责通常在数据产品或数据运营团队，业务提需求和反馈，平台团队发布，安全团队审批敏感资产。判断标准很直接：业务人员能不能在目录里搜到、看懂、申请到，用完是否愿意再用。目录数量只能说明编目进度，业务使用情况更能说明治理效果。

资产目录和服务发布分别需要哪些平台能力，数据中台的功能模块有完整的模块清单。

8. 生命周期与持续运营

数据从需求、设计、开发、运维到归档、销毁，每个阶段都有治理动作。

具体动作是新数据需求先评估是否已有可复用资产；开发和上线遵守标准和权限要求；运行期监控任务健康度、存储成本和访问情况；到期数据按策略归档；不再使用的资产走下线审批；销毁保留记录。

交付物有生命周期策略、资产健康度报告、归档清单、下线清单和培训材料。

治理还需要运营机制。月度例会看问题台账和核心指标，季度复盘看治理范围和效果，新员工和业务人员要有数据使用培训。中台上线后还需要持续维护数据和规则。确定运营重点时，可结合数据中台的作用核对它要支持哪些实际业务问题。没有运营，标准和规则会逐渐失效。

三、数据治理工作由谁负责

分工可以按三类责任确认：

• 业务负责人确认含义与使用要求： 对本域指标口径、质量目标和访问授权作出决定。
• 数据团队提供方法和工具： 维护标准、元数据、质量规则和资产目录，并与业务共同核对结果。
• IT 团队负责技术实现与运行： 承担源系统改造、权限配置和任务运维，处理职责范围内的技术问题。

小团队可以一人多角，但要避免既定规则又自己检查自己。审计和审批尽量分开。

四、数据治理工作如何分阶段推进

治理范围一次铺太大，很容易停在文档阶段。可以按业务价值分批推进。下面的月份、问题数量和规则条数都是排期示例，实际应根据数据基础、资源和验收结果调整。

• 第 1 个月，确定范围和责任人。 选2到3个业务问题，比如同一个指标多个数字、客户重复、报表取数慢；盘清涉及的系统、表和负责人；确定首批治理域。
• 第 1 到 3 个月，完善基础规则。 先做核心指标口径、核心实体主数据、核心表元数据和3到5条质量规则；同时把敏感字段分类分级和权限基线做起来。
• 第 3 到 6 个月，验证问题处理与业务使用。 把标准校验放进接入和发布，质量工单跑起来，资产目录先发布一批高频资产，服务接口配上申请和审批。
• 第 6 到 12 个月，扩展范围并持续运营。 把试点方法复制到更多业务域，建立月度例会和健康度报告，清理低使用资产，完善考核。

顺序上有三个原则。先做业务能感知的同一个数，再做全量编目；先核心域，再全域；治理和中台建设并行，不等平台建完再补治理。数据开发与治理如何协同，数据开发与治理协同给出了双引擎推进的思路。

图2 数据中台治理首年推进节奏建议

五、数据治理效果如何验收

• 指标定义可核对： 同一业务含义和版本的指标采用一致口径，能查到责任人和计算逻辑；不同用途的口径注明适用范围。
• 变更影响可追溯： 核心表有元数据及必要粒度的血缘，结构变更前可以检查下游影响。
• 质量问题有人跟进： 问题有规则、有工单、有复核，能够定位来源和责任部门。
• 敏感数据使用受控： 分类分级、权限、脱敏及审计要求已按项目落实，并有检查记录。
• 业务能够获取服务： 能从资产目录查找和申请所需数据，服务响应及失败处理方式清楚。
• 运营结果可以复盘： 例会跟进固定议题，问题台账能够统计关闭与复发情况。

这些信号比治理文档数量更能说明问题。治理平台有多少个功能菜单、编目了多少张表，只能说明建设进度，不能说明业务是否愿意用。

六、工具能承接什么，不能替代什么

数据中台的工具层通常需要标准管理、元数据采集、质量规则、权限控制、资产目录、服务管理和审计日志。选型时看三件事：规则能否进入数据链路，执行是否留下记录，业务能否自行获取和使用。已有数仓时，先核对复用范围；关于数据中台和数据仓库的区别，可进一步阅读对应专题。

业务口径、跨部门争议和源系统整改，都需要明确的人承担决策与执行责任。 把这些工作交给平台，治理会停在配置层。

ThinkingAI 的平台能力里，已经核实的有私有化部署、权限控制、执行审计、引用溯源和指标分析；具体到数据标准、元数据、质量规则等治理模块，能否覆盖以及交付范围，需要按项目确认。ThinkingAI 已服务全球超1500家企业，接入产品超8000款。评估企业级 Agent 平台时，可以先了解什么是企业级 AI Agent，再核对它如何复用治理后的指标与业务知识。具体方案仍需结合企业现状和部署版本确认。

常见问题

1. 数据中台数据治理需要成立独立团队吗？

不一定。常见做法是设一个常设的治理办公室或虚拟团队，业务侧设数据责任人，数据侧设数据管家，再配数据架构和平台开发。小团队可以由现有岗位兼任，但要有明确的召集人、决策人和问题升级路径。

2. 没有数据中台，能不能先做数据治理？

可以。数据治理的对象是数据资产和规则，不依赖某个平台。没有中台时，可以先做核心指标口径、主数据、质量规则和权限制度；有了中台后，再把这些规则落到接入、建模、资产发布和服务链路上。

3. 数据治理能不能全部外包？

方法和工具可以外部支持，责任不能外包。业务口径、数据责任人、授权审批和跨部门争议必须由企业自己承担。外包团队适合做现状盘点、标准梳理、平台实施和运营支持，最终验收仍要看企业自己的业务使用情况。

4. 数据中台治理和数据安全治理是什么关系？

数据安全治理是数据中台治理的一部分，重点管分类分级、权限、脱敏、审计和合规。数据中台治理还要管标准、元数据、质量、资产目录和服务运营。安全做不好会带来合规风险，只有安全也不等于数据可用。

5. 小团队先做哪三项？

先定核心指标口径和责任人，再做核心表的元数据与血缘，最后选3到5条质量规则跑通发现、派单、修复、复核。三件事都能直接改善业务用数的体验，也容易看到结果。

6. 治理做了但业务不用，问题出在哪？

常见原因有三个：资产目录里没有业务需要的资产；口径没有业务责任人签字，业务不认；服务申请流程太长，业务宁愿自己导数据。先找业务高频场景做样板，比继续扩编目数量更有效。

参考资料

中国软件评测中心，数据管理能力成熟度评估认证 DCMM，https://cstc.org.cn/info/2621/253980.htm

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

华为云，数据治理组织职责，https://support.huaweicloud.com/dgm-dataartsstudio/dataartsstudio_09_0009.html

工业和信息化部，中华人民共和国数据安全法，https://www.miit.gov.cn/zwgk/zcwj/flfg/art/2022/art_284b390b84484f10b0e43eeafaad0f6d.html