數據治理被普遍認為是人工智能經濟的基石，然而，旨在保護和優化這一資產的項目卻以驚人的速度失敗。行業分析表明，到2027年，約80%的數據和分析治理舉措將無法實現其既定目標，這通常是由于各種挑戰，特別是組織協調方面的困難。

事實上，許多初衷良好的數據治理項目收效甚微，令人對其價值產生懷疑。我們投入大量資源制定標準、制度、流程和建立集中控制機制，最終卻發現數據質量依然低下，數據債務不斷擴大，關鍵領導者仍然漠不關心。如果您的項目被視為管理壓制的累贅而非強大的業務推動力，那么其根本原因在于一些可預見的系統性缺陷，這些缺陷忽略了戰略一致性、文化適應和目標明確執行這三大核心原則。

你目前的做法可能難以奏效，因為它存在根本性的戰略真空，缺乏明確的責任主體，并且未能解決真正變革所需的人為因素。

以下是一些需要檢查的事項：

1. 您的政策與業務價值脫節

數據治理的失敗往往始于最高層面，即戰略層面。當治理政策的設計純粹是為了控制或審計，而非以可衡量的、以業務為中心的結果為目標時，它們會立即失去生存所需的組織和資金支持。

（1）未能以業務目標和原則為導向

許多治理策略本身就存在缺陷，因為它們試圖將數據視為抽象概念進行治理，而不是將治理工作與組織目標直接掛鉤。如果項目無法清晰地展示其如何幫助實現戰略目標，例如增加收入、降低風險或加快產品上市速度，利益相關者就會認為它無關緊要，并試圖將其邊緣化。

有效的治理必須根植于企業的“為什么”。您必須設計治理措施，以支持和促進整體業務目標的實現。這意味著：

以結果為先：數據治理必須將重點從數據清理和標準化轉移到它所實現的切實業務成果和優先事項上。如果與成果沒有直接聯系，治理就會被視為“必要的惡”或官僚主義的負擔，而不是戰略資產。以成果為先，可以確保企業能夠看到治理與實現企業使命之間的直接聯系。

原則統一：您的治理計劃需要明確的指導原則，例如戰略、戰術和運營原則，這些原則由跨職能治理委員會制定。這些原則能夠讓每位員工（而不僅僅是 IT 人員）理解、尊重、保護數據，并在既定的規范范圍內加速數據的使用。

采用業務主導的用例方法：與其耗費數年時間構建投資回報率不明的理論“治理基礎”，不如采用將治理嵌入高影響力業務用例的模式。這種方法將政策與解決最關鍵的問題直接聯系起來，帶來立竿見影、可衡量的價值，并加速推廣應用。

（2）管控真正重要的事情

戰略上的一個重大失誤是試圖一次性解決所有數據問題。這種做法往往會導致團隊不堪重負，并且難以看到明顯的成果，最終導致項目失去動力，利益相關者的參與度下降。

解決之道在于確定工作范圍的優先級，通常的做法是將工作重心放在關鍵數據元素 (CDE) 上。CDE 是合規、報告和運營所必需的關鍵數據資產。通過將治理控制、數據沿襲跟蹤和管理工作完全集中在 CDE 上，可以確保在業務影響最大的地方實現一致性和問責制。這種選擇性關注可以避免資源浪費在低價值數據上，同時展現出立竿見影的相關性和投資回報。

（3）指標真空

持續投資于數據治理的難點在于缺乏可量化的業務收益。超過半數的數據負責人表示，他們并未正式衡量數據投入的投資回報率。由于缺乏明確的關鍵績效指標 (KPI)，數據治理項目被視為純粹的成本中心，而非價值驅動因素。

有效的治理必須追蹤能夠引起高管層共鳴的指標，并將治理活動與以下結果聯系起來：

風險緩解：量化避免的事件、降低的合規成本以及加快對監管問詢的響應時間。

運營效率：衡量減少數據返工、縮短數據問題解決時間以及加快分析周期。

數據信任和使用情況：跟蹤已認證數據集的訪問百分比、數據目錄的活躍用戶以及重復或未使用資產的減少情況。

2. 您的數據治理項目存在所有權、文化和執行方面的差距

治理體系的崩潰很少是由單一的災難性技術故障造成的，而是一個緩慢瓦解的過程，其根源在于文化阻力、組織結構不合理以及執行方法存在缺陷。

（1）文化抵抗問題

導致治理失敗的首要錯誤是無法應對文化變革。當組織以傳統的自上而下的“命令控制”方式推行治理時，用戶會感覺治理是強加于他們的，而不是為了他們或與他們合作。這種方法自然會遭到抵制，往往導致員工敷衍了事，甚至完全無視規則。

治理的本質在于人及其數據相關行為。要取得成功，您必須：

秉持以人為本、積極主動的理念：必須重新定義治理，使其成為提升分析能力、加速獲取可信數據以及保護敏感信息的賦能工具。這需要培育一種以數據為驅動、視數據為資產的文化。

投資于以人為本的角色：為了將治理融入企業文化，組織需要設立專注于行為改變、數據素養和應用的角色，例如數據素養負責人、變革管理負責人和數據故事講述者。這些角色彌合了技術規則與有意義的業務背景之間的鴻溝。

主動管理變革：通過漸進的方式逐步引入變革，利用試點項目來證明其價值，并隨著時間的推移建立支持。

（2）IT主導的反模式

如果將數據治理錯誤地僅僅視為IT職能，那么它注定會失敗。數據是業務決策的基礎，其所有權歸業務部門所有，而IT部門僅僅是技術的管理者。IT主導的舉措往往過度關注工具或基礎設施（例如數據清洗軟件），而忽略了業務數據入口點的必要文化轉變和流程改進，從而導致持續存在的質量問題。

IT 的角色不會消失；相反，它從“所有者”或“守門人”轉變為技術合作伙伴，提供工具、確保數據安全并處理集成。

（3）無視現有治理

員工抵制最直接的原因之一是他們認為正式的數據治理方案忽視或干擾了他們目前已經成功開展的工作。許多業務部門已經開展了非正式的數據管理和維護活動，因為他們最了解自身領域的數據。

當自上而下地強加新的企業治理框架時，可能會造成控制冗余或標準沖突，從而導致抵制和低采納率。有效的策略并非徹底改革，而是利用現有的領域知識，將已有的治理活動正式化。這種去中心化、聯合式的方法賦予最接近數據的人員治理數據的能力，減輕了中央數據團隊的壓力，并將治理視為其日常工作的自然延伸。

3. 你的執行因復雜性而受阻

另一系列失敗發生在戰術層面，即政策與數據基礎設施和用戶行為的復雜現實相遇時。

（1）沒有質量的治理就是垃圾

如果基礎數據存在缺陷或不一致，整個治理體系就會崩潰。正如老話所說，“垃圾進，垃圾出”，一個看似完善的管理不一致數據的流程，實際上也是建立在“垃圾之上”的。數據質量差每年給企業造成數百萬美元的損失，導致決策失誤，并嚴重削弱整個數據驅動型文化的信任度。沒有可靠數據基礎的治理，就像“沒有路可走的護欄”。

領先的組織將數據質量視為一項戰略能力，而不僅僅是清理任務。他們通過明確責任歸屬、持續實時監控指標以便及早發現問題，以及在數據管道中直接實施自動化驗證檢查來確保問責制，從而在問題擴散到下游之前將其解決。

（2）工具優先謬誤

一種常見的錯誤觀念是認為技術本身就能解決根深蒂固的流程和人員問題。企業常常斥巨資開發復雜的目錄或數據質量平臺，寄希望于這些工具能夠自動“修復”質量或所有權方面的問題。然而，現實情況是，技術僅僅是實踐的輔助工具，而非實踐本身。如果企業優先考慮工具而非明確角色、責任和戰略，最終會導致工具利用率低下，并最終令人失望。

（3）過度治理與影子IT的悖論

雖然治理對于確保安全和合規性至關重要，但過于嚴格、僵化或官僚主義的政策會導致危險的變通方案。當獲批準的IT解決方案速度緩慢、操作繁瑣或被認為不足時，員工就會轉而使用影子IT，即未經授權的應用程序、云服務或個人設備，以維持工作效率。

影子IT會造成治理盲點和“合規定時炸彈”，因為這些未經授權的系統運行在中央安全和監控監管之外。對于醫療保健等監管嚴格的行業，大多數使用的SaaS應用程序都缺乏IT部門的批準，這可能導致違反HIPAA和GDPR，并造成數百萬美元的違規損失。解決方案在于找到平衡點，使治理成為賦能而非阻礙，快速提供安全且經批準的替代方案，并利用自動化技術跟蹤使用情況和執行控制，無需人工干預。

小結：通往治理韌性的道路

阻礙數據治理成功的因素眾多且根深蒂固，包括文化阻力、結構性錯位以及指標缺失等。要扭轉局面，需要從根本上轉變觀念，不再將數據治理視為一套防御性控制措施，而是將其視為一種積極主動、以業務為導向的戰略，從而賦能整個組織。

對于您這位數據領導者而言，這意味著：

以業務價值為導向：所有數據戰略都應以清晰、可衡量的業務目標和已證實的投資回報率為基礎，而不僅僅是合規性。采用分階段、以用例為驅動的方法，優先考慮能夠快速帶來顯著價值的通用數據元素 (CDE)。

推動文化轉型：認識到治理是一項人為挑戰，而非技術問題。將現有的管理活動正式化，賦予領域專家權力（聯合所有權），并通過培訓和清晰的溝通將治理融入日常工作流程。

以數據質量為基石：要認識到，沒有質量的治理毫無意義。將自動化質量檢查、監控和明確的所有權整合到核心治理框架中，以建立所有數據使用者所需的信任。

如果實施得當，治理不再是集中式的瓶頸，而是演變為一種持續的、適應性的運行機制。這種韌性是現代競爭舉措的基礎前提——從實現自助式分析到安全部署高價值人工智能系統，無一例外。競爭優勢不屬于擁有最多數據的組織，而屬于擁有最值得信賴、最可靠、最易于治理的數據系統的組織。