一份可执行的数据治理计划,至少要回答五个问题:为什么做、做到什么程度、谁来做、什么时候做完、怎么证明做完了。把这五个问题落成任务、责任、时间与验收,计划才能被审批、被执行、被跟踪。
制度、标准、平台采购清单都可以放进计划,但计划的主线是工作包和交付节奏。如果企业还没厘清治理范围和总体框架,可以先读数据治理,再回到计划本身。
下面给出制定计划的六个步骤,并附一张可以直接改用的计划表和 12 个月示例。文中的企业背景、指标和数字均为虚构,只用于演示填写方式,不代表行业基准。
一、一份可执行的数据治理计划包含什么
计划要同时服务三类读者。管理层看目标和资源,业务部门看任务和责任人,项目组看排期和验收。一份完整的企业数据治理计划,通常包含四类内容。
| 组成 | 要写清的内容 | 常见缺口 |
|---|---|---|
| 目标与范围 | 治理要支撑哪些业务任务,结果指标是什么,当前基线多少,首期覆盖哪些数据域 | 只写提升数据质量,没有指标、基线和边界 |
| 组织与权责 | 谁决策、谁管理、谁执行,每个数据项由谁负责 | 只有名单,没有决策权和会议机制 |
| 工作包与排期 | 分几个阶段,每个阶段做什么,交付什么,前后依赖是什么 | 只有活动名称,没有交付物和完成条件 |
| 验收与运营 | 每期用什么证据过关,上线后谁维护、多久复盘一次 | 平台上线即结束,没有运营安排 |
计划通常分三层来写,三层解决不同的问题。
- 三年路线图:确定治理域的顺序、年度投入和阶段目标,颗粒度到季度。
- 年度计划:确定当年的目标、预算、工作包和责任人,颗粒度到月。
- 季度任务表:确定具体任务、交付物和验收证据,颗粒度到周。
三层共用一套目标口径。季度任务表里的每项任务,都应能追溯到年度计划的一个工作包;年度工作包,应能追溯到路线图上的一个阶段目标。三层对不上,执行时就容易出现临时加任务、年底补材料的情况。

图注:计划表里的每项任务,都应沿着这条链回溯到目标和验收证据。
二、制定数据治理计划的六个步骤
1. 从业务问题定治理目标
目标要写成一句可以验收的话,包含治理对象、结果指标、当前基线、目标值和达成时间。例如“客户主数据完整率从 76% 提升到 95%,在 2027 年 9 月底前完成”,比“提升数据质量”更容易排期和验收。
具体做法有四步。
- 先列 3 到 5 个业务任务,例如缩短订单履约周期、降低客户重复触达、提升库存周转效率。
- 每个任务配 1 到 2 个结果指标,并写清分子、分母、统计范围和时间窗口。
- 记录当前基线。没有基线的目标,验收时容易变成争论。
- 把暂时无法量化的要求写成过程目标,例如“核心指标责任人覆盖率达到 100%”。
结果目标看业务是否发生变化,过程目标看治理动作是否完成。两类目标都要写,过程中用来跟踪进度,验收时以结果目标为主。
国家标准 GB/T 34960.5-2018《信息技术服务 治理 第5部分:数据治理规范》把数据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。制定计划时可以用这四个环节检查阶段是否齐全,具体阶段的数量和名称仍要按企业实际调整。
2. 用现状调研确定首期范围
范围要由证据决定。部门声量大的问题不一定优先,需要先治理的是那些高频发生、影响决策、又具备整改条件的问题。
现状调研围绕三条线展开。
- 业务痛点:哪些报表经常被质疑,哪些指标在不同部门有多个版本,哪些流程因为数据问题反复返工。
- 数据链路:问题数据从哪个系统产生,经过哪些加工环节,最后被哪些报表和接口使用。
- 责任现状:现在谁定义口径,谁处理质量问题,争议由谁裁决。
把调研结果整理成问题地图,再按业务影响、发生频次、整改可行性和依赖条件排序。
| 现象 | 涉及数据 | 源系统 | 业务影响 | 优先级 |
|---|---|---|---|---|
| 同一客户在 CRM 与订单中心编码不同 | 客户主数据 | CRM、订单中心 | 客户合并报表重复计算 | 高 |
| 订单状态有 6 种写法 | 订单状态 | 订单中心、ERP | 履约及时率无法统计 | 高 |
| 手机号缺失率约 18% | 客户联系方式 | CRM | 短信触达失败 | 中 |
上表为虚构示例。实际调研时,每一行都要能指到具体的源系统、数据项和受访人。
首期范围建议控制在 1 到 2 个数据域。范围小,规则、责任和平台才能在同一个周期里对齐。首期跑通后,再把模板复制到更多域。
3. 把责任落到角色和名字
数据治理的组织通常分三层。层级名称可以按企业习惯调整,决策权要写清楚。
| 层级 | 典型角色 | 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 | 治理目标、跨部门争议、预算优先级、阶段门禁 | 月度或季度 |
| 管理层 | 数据治理办公室、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 |
每个数据项只设一个最终负责人,同时配一个有实际权限的备份人。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。角色可以由现有岗位兼任,但要有时间投入和决策权,只挂名不参与,责任会落空。
口径争议最容易卡住计划。提前约定裁决路径,例如先由业务数据负责人确认,跨部门争议提交治理委员会,裁决结果和生效日期记录在指标字典里。
4. 拆工作包并排清依赖
工作包按治理对象拆,比按部门拆更容易排期。常见的有七类。
- 标准与口径:数据字典、指标定义、编码规则、命名规范。
- 主数据:客户、产品、供应商、组织等核心实体的唯一来源和分发规则。
- 数据质量:质量规则、监控告警、问题工单、整改时限。
- 元数据与血缘:资产目录、字段级血缘、变更影响分析。
- 安全与权限:分类分级、最小权限、脱敏、审计。
- 平台承接:把规则配置到采集、建模、调度、服务和权限环节。
- 运营机制:例会、培训、考核、复盘和年度计划更新。
每个工作包写清四件事:输入是什么,要做哪些动作,交付什么,用什么证据验收。只写“建设数据标准体系”无法排期,写成“发布客户域数据字典 1 套、指标口径 5 个,评审记录齐全”才能跟踪。
排序可以遵循三条原则。
- 规则先于固化。 指标口径、主数据编码和权限基线要在模型与服务固化之前定下来。
- 能力先于规模化。 先用一个业务域跑通接入、建模、指标、服务和审计,再复制到更多域。
- 证据先于扩张。 每一期都要拿到可复核的证据,没有证据就扩范围,预算很难持续。
排期按季度或月份安排,给业务评审和问题整改留出缓冲。依赖关系要单独写一列,避免任务同时启动却互相等待。
5. 把工作包写进计划表
计划表的作用,是把目标、任务、责任、时间和验收放在同一行。推荐至少保留八列。
| 列 | 填写内容 | 填写要求 |
|---|---|---|
| 编号 | 任务序号 | 与季度任务表保持一致 |
| 关联目标 | 对应哪个结果目标或过程目标 | 写目标编号,便于回溯 |
| 工作包与关键任务 | 做什么,做到什么范围 | 一行只放一个可验收的交付物 |
| 主责 | 对结果负责的角色和姓名 | 只写一个人,不写部门 |
| 配合 | 需要参与的团队 | 写清配合事项,避免只挂名 |
| 计划时间 | 开始和结束时间 | 写到周,跨季度任务拆开 |
| 交付物与验收 | 交付什么,用什么证据证明完成 | 验收标准要能被第三方复核 |
| 进展 | 当前状态、偏差原因、下一步 | 每周更新,状态不超过三种 |
填写顺序建议先填目标与验收,再填任务,最后填时间和责任人。先定验收,任务范围不容易膨胀;先定责任人,排期才有协商对象。
单条任务还可以配一张任务卡,至少写六项:任务描述、负责人、开始与结束时间、前置依赖、交付物、验收证据。任务卡适合周会使用,计划表适合月度汇报和阶段评审。
6. 设门禁、预算和复盘
计划要写清什么条件下继续投入。建议设三道门禁。
| 门禁 | 检查内容 | 不通过怎么办 |
|---|---|---|
| 立项门禁 | 目标、范围、发起人、预算来源、验收指标 | 补目标和资源,暂不启动 |
| 试点转推广 | 口径一致、场景上线、问题闭环、业务确认可用 | 缩小范围或补能力,不急着铺新域 |
| 推广转运营 | 责任人到位、服务等级约定、运营预算落实、需求流程运转 | 延长试点,不把问题带进运营 |
预算至少分四类:内部人力、软件与平台、实施服务、持续运营。只算软件采购,容易漏掉数据整改、培训和日常运营的投入。
验收指标分三层,避免只数平台功能。
- 业务层:报表交付周期、口径争议次数、场景使用率、资产复用率。
- 治理层: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。
- 平台层:任务成功率、查询响应时间、审计覆盖率。
指标先测基线,再定目标值。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、接口和分析工具里能够复算,才算完成统一。
跟踪节奏可以这样安排:每周更新任务状态,每月开治理例会,每季度做一次阶段评估,每年做一次全面复盘并更新下一年计划。
三、数据治理计划表示例
以下示例假设一家年营收约 20 亿元的零售企业,核心系统包括 CRM、ERP 和订单中心。首期选择客户与订单两个数据域,计划周期为 2027 年 1 月至 12 月。目标 A 为客户主数据完整率从 76% 提升到 95%,目标 B 为订单履约及时率从 82% 提升到 92%。企业与数字均为虚构。
| 编号 | 关联目标 | 工作包与关键任务 | 主责 | 配合 | 计划时间 | 交付物与验收 | 进展 |
|---|---|---|---|---|---|---|---|
| 1 | A、B | 启动与调研:访谈 8 个部门,梳理客户、订单、履约三条数据链路 | 数据治理办公室 | 业务部门、IT | 1 月至 2 月 | 调研报告、问题清单、范围说明,治理委员会确认 | 已完成 |
| 2 | A、B | 目标与章程:确认 5 个核心指标、2 个数据域、责任人清单和治理章程 | 治理委员会 | 数据治理办公室、财务 | 2 月 | 章程发布,指标基线与目标值签字确认 | 已完成 |
| 3 | A | 标准与口径:客户编码规则、订单状态枚举、5 个指标口径和命名规范 | 客户域数据负责人 | 数据管家、平台架构师 | 3 月至 4 月 | 数据字典与指标字典发布,评审记录齐全 | 进行中 |
| 4 | B | 数据质量:配置 15 条质量规则,建立问题工单和整改时限 | 数据质量专员 | 业务数据负责人、平台团队 | 4 月至 6 月 | 规则上线,问题闭环率和整改时长可查 | 未开始 |
| 5 | A、B | 平台控制点:元数据采集、字段级血缘、权限分级和审计日志 | 平台负责人 | 安全合规、数据治理办公室 | 4 月至 6 月 | 关键表血缘覆盖,权限审批与审计记录可查 | 未开始 |
| 6 | A | 试点:客户域质量整改、看板上线、月度复盘 | 客户域数据负责人 | 运营、客服、平台团队 | 5 月至 7 月 | 完整率达到 90%,业务确认看板可用 | 未开始 |
| 7 | B | 推广:复制到订单域,培训数据负责人,纳入部门考核 | 数据治理办公室 | 订单域负责人、人力资源 | 8 月至 10 月 | 新域可独立交付,口径争议次数下降 | 未开始 |
| 8 | A、B | 运营与复盘:月度例会、季度评估、年度复盘和下一年计划 | 治理委员会 | 数据治理办公室、财务 | 11 月至 12 月 | 运营报告、审计报告和下一年计划获批 | 未开始 |
这张表可以直接改成企业自己的版本,使用时注意四点。
- 目标和验收先填。 没有目标和验收标准的任务,不要进入计划表。
- 主责写角色加姓名。 只写部门,出现问题仍然找不到人。
- 时间写到周。 跨月的任务拆成可检查的节点,避免月底才发现没做完。
- 进展只填事实。 记录完成证据、偏差原因和下一步动作,不用百分比掩盖问题。
如果企业习惯用表格软件管理,可以把这张表拆成年度计划和季度任务表两个视图。年度计划保留目标、工作包、预算和门禁,季度任务表保留任务、负责人、时间、交付物和进展。两个视图共用同一套编号。
四、计划评审时看什么
计划提交评审时,先用五个问题做自检。
- 每个目标是否有基线、目标值和统计口径?
- 每项任务是否有唯一负责人和可验收的交付物?
- 关键依赖是否排在前面,资源是否与时间匹配?
- 每个阶段是否有可复核的验收证据?
- 运营期的责任、预算和会议机制是否已经安排?
还可以用 DCMM 2.0 的能力域做一次查漏。国家标准 GB/T 36073-2025《数据管理能力成熟度评估模型》于 2025 年 12 月 31 日发布,2026 年 7 月 1 日实施,替代 2018 版,能力域从 8 个增加到 9 个,新增数据资产域。它覆盖数据战略、数据治理、数据架构、数据应用流通、数据资产、数据安全、数据质量、数据标准和数据生存周期等能力域,适合用来识别能力缺口和安排改进顺序。评级能暴露短板,不能证明业务已经用起来,计划仍要围绕业务任务和验收证据展开。
五、让数据治理计划进入日常运行
计划进入执行后,规则要落到平台的控制点上。一个可用的控制点要同时具备三个条件:有规则,有平台动作,有留痕。比如质量规则不仅要写阈值,还要配置监控任务、告警和问题工单;权限规则不仅要写分级,还要有审批记录和审计日志。规则、动作、留痕缺一项,执行就会回到口头约定。数据治理与数据平台如何分工和排期,可以参考数据治理与数据平台规划。
AI 和 Agent 场景会多出五类控制点,制定计划时最好提前留位置。
- 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。
- 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。
- 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。
- 执行审计:取数、分析、写回和触达等动作要留下记录。
- 结果复核:关键结论要有抽样核对、人工确认或评测集验证。
ThinkingAI 的企业级 AI Agent 平台 Agentic Engine 支持私有化部署,可在主 Agent 层提供权限控制、执行审计和引用溯源等能力,把治理后的指标和分析能力接到 Agent 场景。企业已有的数仓和数据平台不必替换,可以通过接口或数据同步对接。ThinkingAI 已服务全球超 1500 家企业,接入产品超 8000 款。具体权限、审批和版本能力,仍需按实际部署版本逐项确认。治理组织、标准制定和数据责任人机制,仍要由企业自己建立。
常见问题
数据治理计划一般做几年?
建议用三年路线图配年度计划。首年聚焦 1 到 2 个数据域,第二年复制到更多域,第三年转向运营和价值评估。周期太长会失去约束,太短又做不完基础工作,年度计划按实际进展滚动调整。
数据治理计划和数据治理方案有什么区别?
方案回答做什么、为什么做、按什么原则做,可以指导多期项目。计划回答谁在什么时间做完、交付什么、怎么验收,对应具体周期和资源。写计划时可以直接引用方案的目标和范围,但要补上任务、责任人、时间和验收证据。
小企业没有专职数据治理团队怎么做?
可以由数据负责人、业务骨干和 IT 人员兼职组成小组,明确一个能拍板的负责人。首期只选一个数据域和 3 到 5 个指标,把责任写进岗位职责,先跑通一条链路,再考虑平台建设。
计划里要不要写预算?
要写。至少覆盖内部人力、软件与平台、实施服务和持续运营四类。只写软件采购预算,容易漏掉数据整改、培训和日常运营的投入,执行到一半就会断。
没有数据治理平台,能不能先做计划?
可以。标准和口径可以先用文档和表格管理,质量规则可以先靠人工抽查和脚本校验。平台承接的是规则执行和留痕,规则本身仍要由业务和数据负责人确认。首期跑通后,再按控制点补齐平台能力。
计划执行三个月没有进展怎么办?
先检查三件事:目标是否超出首期能力,任务是否没有唯一负责人,验收是否缺少证据。多数停滞来自范围过大和责任不清。缩小到一个数据域,重排依赖,把门禁写进项目例会议程,再继续推进。






