数据治理是数据的生命周期管理，它不是某个阶段的活动，而是持续动态循环和演进过程。 数据治理是数据管理中一项持续不断的系统性工程。 随着业务规模越来越大，组织内部流程越来越复杂，企业内部的数据资产越来越多，企业迫切需要构建一个科学有效的数据治理体系来提升企业内部的管理水平。 这就需要系统设计并评价现有体系中每项机制和制度，通过建立标准来确保其有效性。 对于不同组织、部门以及不同层次人员而言，标准差异很大。 由于不同机构在管理方法、管理标准方面都有很大差异性，其对系统建设、业务流程、人员能力要求也各不相同。 如何科学评价一个组织对现有体系和制度的有效性以及是否存在不足之处，这是一个非常重要且具有挑战性的课题。

一、评价标准

在评价指标的设计方面，可以采用以下的模型来进行： •首先，设定指标的权重，其中，“数据治理”权重为25%； •其次，通过数据标准评估各项指标，最终对每个指标的权重进行加权平均，得出各指标的权重； •最后，计算出各项评估值，得出数据治理得分值。 在制定指标权重时我们要充分考虑各利益相关方对此项工作的理解程度和关注点。

二、评价方法

数据治理效果评价的内容很多，从不同的角度进行分析评价。 -数据治理活动涉及到企业、行业、社会各方利益，需要综合考虑各方权益诉求，充分发挥市场机制的作用。 -数据治理评价是一个多学科问题。 从不同的角度对现有体系和制度进行定性或者定量分析。 -可以使用定量、定性相结合的方法，来准确反映当前数据治理成果及其评价结果，也可以使用定性+定量相结合的方式，来确定需要改进的重点指标项。

三、评价流程

数据治理效果评价可以通过多种方式进行，其中一种方式是对组织内部现有体系和制度进行评估。 另外一种方法是根据评价结果，结合其他相关要素进行综合考核。 数据治理效果评价主要通过以下几个维度实现： 1.治理质量：通过对数据治理的各个环节的执行情况、结果质量等进行评价，判断治理成效是否达到预期目标。 2.数据应用与管理：通过观察数据使用情况，评价组织内的数据运用能力，是否有相应的制度来保障各应用系统中的数据资源安全，从而提高企业整体数据管理水平。

四、评价结果

在上述过程中，如果没有人明确提出改进建议，那么就会产生“无人可用”的情况。 要解决这一问题，需要采取一些措施来激励并促进人员的参与。 例如：（1）建立反馈机制。 （2）定期向组织中的高级管理人员和员工进行有关改进工作成果的反馈（如报告，经验分享等）。 （3）对改进效果较好或较差的案例进行总结，通过组织会议来进行交流和讨论，从而达到激励和提高改进效率和效果水平的目的。

更多数据治理相关资料请咨询客服获取，或者直接拨打电话：020-83342506