企业的数字化转型，已经成为国家战略。 无论是传统企业还是互联网公司，都在积极进行数字化改造，数据作为关键生产要素是一种基础性资源，如何高效地采集、存储、处理和使用数据，形成数据资产并进行有效的运营管理与决策支持？ 在数据管理中要想获得战略成功，必须具备从战略上对数据资源与技术能力进行系统、科学的顶层设计。 当前在数据治理领域出现了很多误区，比如“一刀切”“一对多”“一中心多分支机构”； 不重视数字化建设，只有技术而没有业务； 缺乏统一的技术标准和规范； 仅关注技术细节而忽略了业务目标、应用场景与落地策略等。 这些误区带来的后果是：业务部门无所适从、无法建立统一规划和标准、数据采集困难、难以形成系统集成与协同。 如何才能克服这些误区？笔者结合多年的数字转型实践经验和研究成果，总结了几个常见误区和解决方案。

误区1:“一对多”

一对多是指数据源之间存在多重依赖关系，这种依赖关系不仅表现在同一组织内部，还表现在不同组织间，不同业务部门之间等。 例如：一个企业拥有多个业务系统，各个数据源（包括但不限于 ERP、 CRM、 MES、 WMS/PLM/OA）数据质量参差不齐，各业务系统数据不统一。 为了保证数据质量，每个业务系统都需要有对应的技术团队来负责数据清洗工作，在清洗过程中存在的大量重复性工作需要专业技术人员参与。 而这些海量分散的数据是无法形成一个统一的数据资产库及相应的管理制度和标准。 针对这一问题我们提出了：建立由业务部门牵头、技术团队配合的“双轮驱动”的组织架构模型。

误区2:不重视数字化建设，只有技术而没有业务

数字化建设涉及的内容很多，包括数据治理、平台搭建、流程优化、业务再造等。 解决方案：从战略层面考虑，企业应将数字转型纳入企业发展战略中，通过制定数据治理标准和规范的方式，形成数据资产，为下一步发展提供可持续的基础。

误区3:缺乏统一的技术标准和规范

我们常常发现，很多公司在建设数据治理项目时，只是关注某个或某些技术细节，比如：通过哪些渠道获取数据；使用哪些工具来进行数据清洗；怎么进行数据清洗等。 如果没有一个统一的标准和规范，会导致不同部门之间的数据采集、存储与处理方式千差万别。例如，不同公司使用同一个数据治理工具进行清洗与计算，就会有差别很大的质量分析结果；即使同一公司使用同一工具进行同样的处理，在不同业务部门之间存在很大差异性等。 解决方案：我们建议企业应当从战略高度重视数据治理，制定统一的技术标准和规范。

误区4:仅关注技术细节，忽视了业务目标、应用场景与落地策略等

这些误区导致企业的数字化建设在执行过程中，要么对数据治理没有足够认识，要么仅限于一些技术性细节，无法达成整体目标。 例如： 业务部门不知道该从哪里开始，而企业本身也不知道该从哪里开始。

误区5:只关注技术细节，忽视了企业数据治理的顶层设计

这种做法很常见，但是效果却不好，往往会造成数据治理无法落地，因为数据治理往往是“技术”和“业务”的结合，要想实现企业的数字化转型，必须在战略上进行系统、科学的顶层设计。 如果企业只关注技术细节而忽略了业务目标、应用场景与落地策略等信息，则可能导致实施成本过高、推进速度过慢；如果企业只关注技术细节而忽视了业务目标等信息，则可能造成实施成本过高企业只有少数技术人员参与管理并在组织内推广数据治理的概念，则会导致“信息孤岛”成为阻碍数字化转型发展的瓶颈。数据治理必须以战略为导向。 

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