引言

      随着大数据上升为国家战略，数字中国建设全面铺开，各行各业都将数据视为自身一项十分重要的资产以及在新一波数字化浪潮中谋求未来竞争优势的基石加以管理和利用。对于能源企业而言，数据这一新时代的“石油”资源无疑有着更加重要的意义。业内企业不约而同地都将其作为由传统能源的生产者和提供者向着综合能源服务者进行转变的有力推手和效能倍增器。而在描绘数据应用建设蓝图以期最大限度地发掘数据价值的同时，业内企业也深知唯有先管好数据，方可为用好数据奠定最为坚实的基础。然而实践中，能源企业在开展各项数据治理工作中，既不缺乏决心也不缺乏组织，却往往感到事倍功半，收效有限。在最为关注的数据质量领域，治理提升工作往往遭遇瓶颈，且治理提升成效难以得到巩固。个中原因可能不尽相同，但偏倚于信息化的建设和管理机制，没有基于清晰、明确的责任关系构建起适应于数据治理工作协同开展的工作网络，充分发挥和调动数据治理各方参与者的不同角色和职能，各知其责、各尽其责，是其中一个具有共性的深层次原因。

问题与挑战

      某能源业内企业从2016年起连续多年组织开展了年度性的数据质量专项治理提升工作：由公司IT管理部门按照数据主题的划分逐块制定治理提升计划，并组织相关业务部门开展以数据质量问题整改为核心的治理提升工作。经过努力，数据质量有了较大改观，但问题依旧艰深：

1．IT部门难以有效推动业务部门深度参与数据治理工作，由业务定义和管理要求引起的数据问题成为顽疾；

2．数据相关规范和要求在各层级单位传达落实的过程中衰减、失真，数据问题难以从源头上得到有效控制，数据治理前清后乱难以控制，数据质量提升进入“高原期”，局部甚至出现反复；

3．运动式的数据质量提升让基层“不堪重负”，业务部门很少能够感知到数据治理的“温度”，而作为数据治理“发动机”的信息部门也已疲惫不堪。

4．数据标准化、元数据管理、数据安全等逐步扩展的数据治理范围相互交叠，无法有效统筹、协同。

      数据治理工作下一步应如何让业务部门下场成为“运动员”，与IT部门协同配合，并在公司各层级单位间更加有效地开展，成为该企业数据管理者所要面对的重要课题。

      2018年，根据公司总部“完善数据治理机制、夯实数据治理基础”的工作部署，该企业邀请御数坊一道来破解上述数据治理过程中的突出问题。

抓住责任主线，构建业务与技术协同、上下联动的数据认责机制

      在研究和借鉴了MIT的全面数据质量管理以及DAMA的数据治理组织参考框架、数据管理专员制度之后，结合企业当前的数据管理组织设置和管理流程，提出了数据治理“业务为主、人人有责”的认责管理理念，明确定义了数据治理活动中数据所有者、业务认责方、技术认责方以及操作认责方等不同角色及其职责，形成责任与职能对等、匹配的数据认责管理框架。

1、企业数据管理部门作为数据资产所有者的代表，负责制定数据管理与应用战略、政策，并对数据治理活动进行监督、协调；

2、企业各业务管理部门作为各领域业务数据的归口管理部门以及数据业务特性的维护者，负责制定具体的领域数据治理方案（包括标准、质量、安全、应用等）并组织实施，并负责管理数据需求和问题；

3、企业信息中心作为技术认责方，负责提供技术方案，支撑业务认责方的数据治理方案落地，并负责实现数据需求、参与数据问题的解决；

4、企业基层业务单位主要作为操作认责方，遵从业务认责方的数据治理方案，在数据录入和使用活动中执行相关管理要求，并提出数据需求、参与问题的解决。

      以此，数据管理部门成为企业数据治理的规则制定者和裁判员。业务管理部门真正成为数据治理工作的主体，以业务视角、业务价值驱动数据治理工作的开展，使数据治理贴合业务需要。信息中心不再越俎代庖，可以专注于技术领域，发挥其技术专长支撑数据管理与应用。而广大的一线业务单位和人员也真正成为数据治理的毛细血管和末梢神经，在向下落实各项数据管理要求和规范的同时，也向上反馈执行层面遇到的具体问题，帮助完善和优化数据治理策略。

      基于这样的角色与职责定义，该企业以业务专业领域为主线，在省-市-县三级组织机构中按业务条线设置了垂直化的“业务数据管理员”联动机制，使得由省公司业务部门制定的数据管理要求可以迅速在地市公司业务部门进行验证和优化，并最终在区县公司一以贯之得到落实和执行。

聚焦核心业务数据，以问题导向、价值驱动将责任明确到岗、到人

      有了清晰和协同化的数据认责机制设计之后，该企业听取了御数坊顾问的建议，没有像过去一样将数据认责一下子全面铺开，而是采取了聚焦核心业务数据、责任与要求并重、先试点后推广的更加精益化的实施路线。

      首先，根据当年企业的数据质量治理提升重点领域，由相应的归口管理业务部门根据业务工作实际需要，圈定出“基础数据”和“站线变”两个治理场景，并明确了各自的治理目标。

      然后，通过在各单位进行广泛的数据问题收集，梳理和识别业务工作中与这两个场景相关且较为突出的数据问题150余个以及其所涉及的具体数据。经过进一步对这些数据关联问题的发生频度、广度以及业务影响的程度和层级进行量化评分，并最终筛选出有着高业务价值的核心数据项89个，作为开展认责管理的对象，并一一明确了这些数据项的业务“主责人”。

      而后，选择一个地市公司及其下属的两个具有不同管理模式的区县公司首先开展数据认责试点实施工作，按照“认责到岗、明确到人”的要求，梳理认责数据项在企业各级单位中对应各类责任者的认责矩阵，形成“数据-组织/岗位/人员”责任关系。在这一过程中，由数据归口管理业务部门组织梳理了认责数据项的管理要求清册，明确了数据的业务定义、标准信息以及质量、安全、存储管理等方面的相关要求。对于一些关键业务环节，还结合业务流程以及系统功能实现，编制了相应的数据规范指引，为一线业务人员遵照落实各项数据管理要求提供了明确、可用的参考。

      不仅于此，为了促进数据认责与企业定岗、定责机制以及规范用工等管理机制形成良好的融合关系，该企业数据管理部门还邀请人资部门共同协商，将数据责任纳入岗位责任要求，并首批与126个岗位的186名人员进行签订确认，从而在岗位人员录用、培训、考核等环节实现对数据责任的固化。

整合数据质量改进过程，以质量的提升、稳固强化责任意识和落实，形成闭环

      以问题为导向而开展的数据认责实施必将以数据问题的有效解决而形成闭环。该企业选取了“基础数据”和“站线变”两个场景，围绕相关数据问题开展数据认责实施，并与当年度对应的数据质量提升工作进行了巧妙的融合：

• 由数据归口管理业务部门梳理制定的数据管理要求被转化为170余条数据质量校验规则后，纳入到企业统一的数据质量规则库中；

• 对约14.7万条生产设备数据进行校验，将存在质量问题的4400余条数据提交给对应的归口管理业务部门和主责人进行分析，而后制定针对性的质量整改措施，并同步完善相关管理要求；

• 整改措施和管理要求被推送到业务一线的数据录入源头，并按照相应的数据操作责任关系将问题数据分解到具体人员完成整改，总体整改耗时缩短2/3，效率得到大幅提升。

  
  

      经过这样的精细化管理与良性迭代，数据管理要求得到了更新，人员责任意识不断强化，在存量问题数据逐步得到消减的同时，更重要的，增量数据问题得到了有效管控，问题新发率降至1%以内，有效确保了当年“站线变”一致性98%的治理指标顺利达成。

推广与应用

      总结试点实施经验，简化、优化机制设计后，2019年该企业结合当年7项重点业务工作，在所属全部10个地市公司组织开展了数据认责推广实施，覆盖8个主要业务领域和组织机构，涉及数万员工。

1、与开展数据认责之前依靠信息中心人员投入进行数据问题清理相比，效率提升2倍以上，

2、地市公司的日常数据清理工作人力投入削减了58人月/年，一年可为节约人力成本约150余万元。