数据治理框架是一套把治理目标、决策权、组织职责、制度标准、管理流程和技术工具组织起来的整体结构。它先回答四个问题:谁有权决定数据怎么定义、怎么使用、怎么变更,谁对结果负责,按什么规则执行,出了偏差如何发现和纠正。把这四件事定清楚,企业才知道该建什么组织、写哪些制度、配什么工具。
报表对不上、客户数据重复、同一指标在不同部门有不同算法,这些现象发生在系统里,根子常在职责和规则没有定下来。统一指标口径、明确数据归属、建立跨部门裁决机制,都是数据治理框架要处理的内容。框架的作用,是把分散的决定放到同一张结构图里,让治理从口头要求变成可执行、可检查的安排。
一、数据治理框架解决哪些问题
1. 谁有决定权
数据归哪个部门、指标以谁的定义为准、敏感字段能否开放、旧系统何时退役,这些都需要明确的决策主体。治理框架通常设置数据治理委员会、数据所有者、数据管理员等角色,把决定权放到具体岗位,减少靠开会临时拍板。治理框架的第一项任务,是把决定权放到具体岗位。
2. 谁对结果负责
数据质量出问题,业务部门、数据团队和系统供应商都可能被问到。框架要区分两类责任:业务负责人对数据含义和使用结果负责,技术团队对采集、存储、加工和权限执行负责。责任写进岗位和流程,问题才有明确的处理入口。
3. 按什么规则做
规则包括数据政策、管理制度、指标定义、质量标准、访问权限和变更流程。规则不需要一次写全,关键数据的关键规则要先落地。比如客户主数据要有唯一来源,核心指标要有统一口径,敏感数据要有授权和审计。
4. 怎么发现偏差并纠正
治理不靠一次性检查。框架需要规定问题上报、分派、处理、验收和复盘的方式,并用质量规则通过率、问题关闭时长、口径争议次数、权限复核完成率等指标观察运行状态。指标不宜过多,能支持判断和行动才有价值。
二、一套完整框架通常包含什么
| 层次 | 要定什么 | 常见产出 |
|---|---|---|
| 顶层设计 | 治理目标、范围、原则,以及与业务战略的关系 | 数据战略、年度治理计划、优先级清单 |
| 组织与职责 | 谁决策、谁拥有、谁执行、谁监督 | 治理委员会、数据所有者、数据管理员、议事规则 |
| 制度与标准 | 政策、流程、指标口径、质量规则、权限规则 | 制度手册、指标字典、标准目录、审批流程 |
| 治理域 | 质量、元数据、主数据、安全、生命周期等对象 | 问题清单、质量规则、权限矩阵、资产目录 |
| 技术支撑 | 规则如何执行、过程如何留痕、结果如何验证 | 数据目录、血缘、质量监控、权限控制、审计记录 |
五层要互相咬合。只有制度没有责任人,规则容易停在文档里;只有平台没有统一口径,工具会把原来的分歧放大。治理域是框架作用的对象,治理层负责定目标、定责任、定规则和裁决争议,具体清洗、建模、运维仍由数据管理团队执行。
三、常见的数据治理框架有什么区别
数据治理框架没有唯一版本。下面四种经常被引用,它们回答的问题并不相同。
1. ISO/IEC 38505-1
这套国际标准把数据治理放在组织治理和 IT 治理的关系中,主要面向治理机构和管理层,强调评估、指导、监督。它适合先厘清治理责任、原则和报告机制的组织。标准提供治理原则和模型,具体的数据标准、质量规则和系统配置仍要企业另行设计。
2. DAMA-DMBOK
DAMA International 发布的《数据管理知识体系指南》把数据管理分为 11 个知识领域,包括数据治理、数据架构、数据建模、数据存储、数据安全、数据集成、主数据、元数据、数据质量等。数据治理处于中心位置,为其他领域提供决策和监督。它适合需要一张完整地图、明确角色和交付物的团队。范围大,直接照搬会增加管理成本,通常要结合企业阶段裁剪。
3. DCMM
DCMM 全称数据管理能力成熟度评估模型。旧版国家标准 GB/T 36073—2018 把数据管理分为数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期 8 个能力域,细分 28 个能力项,并设置 5 个成熟度等级。现行 GB/T 36073—2025 已于 2026 年 7 月 1 日实施并全部代替 2018 版,能力域扩展为 9 个、能力项增至 33 个,仍采用 5 个成熟度等级。企业开展现状评估或贯标时,应按新版核对评估范围和要求,不能把旧版目录直接当作现行标准。它适合做现状评估、差距分析和改进路线设计,也便于向管理层或外部机构说明数据管理能力。它不会替企业设计每个指标和流程,落地仍要结合业务。
4. GB/T 34960.5—2018
这份国内数据治理规范把顶层设计、治理环境、治理域和治理过程组织在一起,适合搭建治理体系的总体结构,尤其适合需要把治理与管理流程衔接起来的组织。
| 框架 | 主要关注 | 更适合回答的问题 |
|---|---|---|
| ISO/IEC 38505-1 | 治理原则、责任、评估指导监督 | 管理层如何承担数据治理责任 |
| DAMA-DMBOK | 11 个知识领域的完整地图 | 数据管理应覆盖哪些领域,角色和交付物如何安排 |
| DCMM(GB/T 36073—2025) | 现行版为 9 个能力域、33 个能力项、5 个等级;自 2026 年 7 月 1 日全部代替 2018 版(8 个能力域、28 个能力项) | 当前能力在哪个水平,下一步补什么 |
| GB/T 34960.5—2018 | 顶层设计、环境、治理域、过程 | 如何按国内规范组织治理体系 |
框架没有唯一版本,选型要服从问题。实际选型中,可以以一个框架定结构,再用另一个补评估或流程。关键是让框架服务于要解决的问题,避免把框架目录抄成制度。
四、它和数据战略、制度、平台是什么关系
数据战略回答为什么做、做到什么程度;治理框架回答谁来决定、如何组织、按什么规则运行;管理制度把规则写成可执行的动作和审批要求;技术平台负责执行、留痕和规模化。四者需要接上,任何一层缺失,治理都容易停在口号或工具清单。
组织架构图只覆盖其中一层,不能代替制度、流程和技术支撑。反过来,平台功能再多,也不能替企业决定数据归谁、指标听谁的。框架解决结构和决策,平台解决执行和留痕。对使用 AI Agent 的企业,还要把 Agent 的权限、调用范围和执行记录纳入同一套治理。
五、企业应该怎么选
先看当前最痛的问题,再看框架名气。企业规模会影响治理复杂度,决定选型的仍是问题类型、监管要求和现有管理基础。
| 当前情况 | 优先补的能力 | 可参考 |
|---|---|---|
| 指标口径争议多,部门各说各话 | 决策权、数据所有者、指标标准 | ISO/IEC 38505-1、DAMA-DMBOK |
| 数据问题分散,缺少整体规划 | 全领域地图、角色体系、交付物 | DAMA-DMBOK |
| 要评估现状、申请认证或向管理层汇报 | 成熟度评估、差距分析 | DCMM |
| 制度不少但执行不到位 | 流程、权限、审计、平台支撑 | GB/T 34960.5—2018 |
监管要求高的行业,应优先把数据安全、权限、审计、留存写进框架;业务增长压力大的企业,可以先抓客户主数据、核心指标和数据质量。两类需求可以并存,排序取决于风险和收益。
以“同一销售额在两份报表中不一致”为例,可以先建立一个供团队讨论的最小职责安排,岗位名称按实际组织调整。
| 角色 | 先明确的责任 |
|---|---|
| 业务责任人 | 确认销售额定义、适用范围与业务例外 |
| 数据执行人员 | 核对来源、实现计算规则并保存检查结果 |
| 报表使用方 | 用约定场景验收数字,反馈用途变化 |
| 争议裁决人 | 在跨部门无法达成一致时决定处理方式 |
同一个人可以兼任部分角色,但定义、实现和验收应留下可追溯记录。这样,框架才有明确的执行入口。
六、起步时先做哪几件事
1. 先锁定一个业务问题
从报表争议、客户重复、质量缺陷或权限风险中选一个可衡量的问题。范围越具体,越容易看清责任和规则缺口。起步范围宁小勿大。
2. 把决定权写到岗位
明确谁对数据定义、质量、权限和变更做最终决定,谁负责日常执行。只有部门名称不够,要落到岗位和议事规则。
3. 先定最小规则集
围绕选定的问题,先统一关键指标口径、数据来源、质量门槛和访问权限。规则数量控制在团队能执行的范围内。
4. 用一个小范围跑通闭环
选择一个业务域或一条数据链路,把问题上报、处理、验收和复盘走完。形成可复用的模板后,再扩展到其他域。
5. 用结果决定是否扩围
观察口径争议是否减少、问题关闭是否变快、权限审计是否可查。结果成立再增加范围,避免一开始铺得过大。
例如处理同一指标在两份报表中口径不一致的问题,可以把最小分工写成下面这样。它是职责示例,不要求企业新设同名部门。
| 工作 | 需要明确的职责 |
|---|---|
| 解释业务含义 | 业务责任人确认指标用途、对象和统计边界 |
| 核对数据实现 | 数据人员确认来源、计算逻辑和下游影响 |
| 决定变更 | 按已有授权,由有决定权的岗位确认新规则及生效条件 |
| 验证并通知 | 指定人员复算结果、保留版本,并通知使用该指标的团队 |
先把一件事由谁决定、谁执行、谁验证写清楚,再用实际问题检验流程。通过后再扩展到更多数据域,框架才有持续运行的基础。
七、ThinkingAI 能承接什么
治理框架最终要落到日常工具链。数据目录、质量监控、权限审批和审计记录越分散,治理成本越高。以 ThinkingAI 为例,其数据智能业务已服务全球超 1500 家企业,接入产品超 8000 款;企业级 AI Agent 平台支持私有化部署,并提供知识记忆、资产库、权限控制、执行审计和引用溯源等能力。这些能力可以在分析任务中承接指标、知识资产和权限规则的执行与留痕。平台降低的是执行成本,不能替代治理决策。决策权分配和业务责任仍要由企业自己定。
常见问题
1. 数据治理是什么框架?
它属于组织治理与数据管理交叉的一套管理框架,重点安排数据相关的决策权、责任、规则和执行机制。不同标准会给出不同结构,判断时看它能否覆盖决策、组织、制度、治理域和技术支撑。
2. 数据治理框架和数据治理体系有什么区别?
框架强调结构、要素和关系;体系还包括制度运行、人员协作、工具配置和持续运营。日常交流中两者常被混用,做项目时把框架边界和运营机制分开说清,后续推进会更顺。
3. 中小企业需要完整框架吗?
不必一开始覆盖所有领域。先确定关键数据的所有者、几项核心指标口径、质量规则和访问权限,能解决业务争议即可,再按问题扩展。
4. 没有数据治理平台能开始吗?
可以。先用表格、会议机制和审批流程把责任与规则定下来,再根据数据量、权限复杂度和审计要求选择平台。规则没定清时,平台容易把原来的分歧固化。
5. 多久能看到效果?
取决于范围和起点。单点问题可能在数周到数月内看到闭环,全企业能力提升通常以年为单位。判断效果要看问题关闭率、口径争议次数、质量规则命中情况和审计可追溯性。
6. 框架成功的标志是什么?
会议能对争议做出决定,数据问题有人负责并按时关闭,关键指标有唯一口径,权限和审计记录可查,业务团队愿意按这套规则工作。
参考资料
- DAMA International,The heart of DAMA-DMBOK,https://www.damadmbok.org/copy-of-about-dama-dmbok,访问日期 2026-11-10。
- 中国软件评测中心,DCMM十问十答,https://cstc.org.cn/info/1081/234587.htm,访问日期 2026-11-10。
- 刘宏、林子雨、夏小云,数据治理概论,2.1 主流数据治理框架介绍,https://book.qq.com/book-read/59991241/14,访问日期 2026-11-10。
- 全国标准信息公共服务平台,GB/T 36073-2025 标准条目(现行,实施日期 2026-07-01),https://std.samr.gov.cn/search/orgOthers?q=%E5%BE%90%E5%B7%9E%E5%8C%BB%E7%A7%91%E5%A4%A7%E5%AD%A6,核对日期 2026-11-12。
- 中国日报网,《标准发布,新版DCMM国标7月1日实施!》,2026-01-15,https://tech.chinadaily.com.cn/a/202601/15/WS69685b52a310942cc499b55f.html,核对日期 2026-11-12。






