数据管理应该怎样规划和产出
数据治理这种“热搜体质”，首先是反映了治理的重要性，这里就不赘述了。再者就是治理的“朦胧美”，正如《数据管理知识体系指南》越来越厚，不要说融会贯通，把DMBOK通读一遍都是个体力活。讨论起数据治理，业内一般从下面几个角度着手。
一是管理层面。数据治理是一种特殊的管理，所以，首先需要有战略目标，与企业战略、业务目标、IT规划保持一致。然后，管理需要制度办法、组织架构；最后，无考核不管理，所以治理需要评估考核。
二是内容层面。治理是管理，管理是针对被管理对象的。治理领域的管理对象包括：数据标准、数据质量、元数据、数据模型、数据架构、主数据、数据安全、生命周期、数据开发、数据服务等。每个管理对象（主题）都有自己的特点、方法、流程、工具。
三是技术层面。数据治理也紧追最新的“酷”技术，自然语言处理、知识图谱、机器学习、自适应规则生成等等。
最后是效果层面，或者宣传角度。此时，成功的治理特别强调：领导的支持、专职治理团队的重要性、治理文化的必要性；数据价值的凸显等。
把上面的任何一个层面讲好都不容易，业内也有很多专家、培训课程在努力。但是，有个问题好像一直没有引起重视：数据治理的具体产出是什么？
数据架构、数据模型、元数据，好像更应该是IT架构部、开发中心的产出；
数据标准是数据治理的产出吗？但是，企业的其他部门好像都不太在意数据标准。
数据质量的提高是数据治理的产出吗？分支机构说了，明细数据都是我们录入的，我们是明细数据的生产者。
数据安全是数据治理的产出吗？资讯、业务都说：这个可以有。但是，数据安全需要业务部门、分支机构、资讯科技的配合，治理部门是不敢接、接了也做不了的。
数据应用是数据治理的产出吗？各个业务部门会拎着锤子说：给你治理部门一个重新组织语言的机会。
数据治理的产出难以明确，或者治理的产出总是与企业的其他部门纠缠在一起，这也就是治理体系复杂且各个治理案例“千人千面”的主要原因。
从更宏观的角度看，传统的实体世界、互联网的“赛博空间”、数字孪生空间、及数字世界，在这四个世界中，数据的本质是什么？不同空间的数据的含义是相同的吗？这些问题，应该是目前学术界所关注的。
我们数据治理从业者，暂时把“数据治理的产出”这个问题放一下，更要站在企业实践的基础上，多考虑一下：我们当下这个项目、治理活动的产出是什么？
数据治理咨询类项目都包含三个经典阶段：
现状调研及分析报告；
组织架构及体系规划；
实施路径及三年规划。
其中，未来的三年规划（或三阶段规划），总体上是个二维矩阵：矩阵的行是各个数据管理领域：数据标准、数据质量、数据安全、数据架构、主数据、开发过程管理等等。矩阵有三列，代表了三个阶段，交叉的单元格表示在这个阶段，在对应的管理领域，应推进的任务举措。
站在项目交付的角度，三年规划报告很完善，大都顺利验收。站在治理效果上看，大部分企业没有按照三年规划推进治理工作。这里的原因大致有三种情况。
资源规划不足。治理工作需要专人专岗专业部门，但在治理体系设计时，项目往往重视各个部门的职责及协调，忽视具体的岗位设计。这反映在三年规划中，就是没有明确每个阶段需要入编多少资源，分别对应哪种角色。这导致数据管理部门后续很难再申请相应的人力资源。
协同规划不足。正如前面所表现出来的，三年规划是站在专业的角度，对每个治理领域进行单独的规划，很少从数据管理的整体，从业务科技的协作来进行设计规划。
规划基础不足。很多客户现在遵循“快速试错”的战略方式，特别是在不断地进行“尝试-撞墙-调整”。这给业务规划、IT规划都带来了很大的挑战，遑论数据规划。
那是否说明治理的三年规划就没有用处，今后就不需要了？
当然不是。三年规划是对体系规划的很好补充与解释。治理的体系规划，是站在静态的角度，阐述未来理想的状态下，治理体系有哪些模块，如何协同交互。治理的三年规划，是站在动态的角度，描述完整的治理体系是如何一步一步完善起来的。
针对上面的三种不足，今后治理的三年规划应进行有效加强。特别的是，企业本身需要在人力资源规划、业务协同、科技协同方面都需要投入更多精力，因为单纯依赖咨询公司是无法完成的。
立即沟通
