前言
组织管理，打通大数据治理的流程。大数据治理组织管理涉及数据管理人员、数据利益相关者、数据访问使用等各部门、单位之间的业务协调，需要IT与业务部门进行协作，而且必须始终如一地进行协作，以改善数据的可靠性和质量，从而为关键业务和管理决策提供支持，并确保遵守法规。
工业园区数据治理案例
某大型工业园区在打造智慧园区时，需要对园区的生产数据（采购、流通、机器的监测维护等）、员工数据（人数、打卡情况、工作完成情况、工资等）、财务数据、资产管理、日常监管等进行整合。待治理的数据包括结构化数据、非结构化数据和半结构化数据，且60%为时空数据。
该园区将数据治理软件开发工作承包给某大数据公司，并成立的大数据管理中心，全权负责数据治理的相关事宜，包括与某大数据公司对接。
大数据管理中心整理了智慧园区数据治理所需数据，并将数据交给某大数据公司用于大数据治理系统的搭建。
几个月后，大数据公司将大数据治理系统交付园区大数据管理中心使用，但在交付使用过程中发现：园区的人员定位管理出现极大的偏差，员工签到、上报订单等位置在实际打卡过程与智慧园区管理后台显示位置不一致，人员管理一团乱麻。
这是一个数据治理失败的案例，该数据治理过程中涉及的组织包括：园区使用者也是数据提供者、大数据管理中心、大数据公司。为了找出数据治理出错的原由，我们将上面错误的数据治理计划的流程画出来如下所示：
园区数据治理管理流程
为什么会出现人员定位偏差的问题呢？
大数据管理中心咨询了行政管理部门，找到原OA系统开发团队，与大数据公司一起分别从数据和软件源码进行核查，最终发现是原OA系统采用的坐标系统与现有园区地图采用坐标系统不一致造成的，并由大数据公司对系统坐标进行调整与完善。
该案例完善后的数据治理流程如下：
完善后的园区数据治理流程
从完善后的园区数据治理流程我们可以清晰的看到园区数据治理过程中涉及的组织部门包括：
园区使用者也是数据提供者、大数据管理中心、行政办公室、原OA系统团队，大数据公司，而行政办公室、原OA系统团队是原流程中没有参与数据治理的组织。
那么数据治理必须包括哪些组织之间的协调呢？
组织职责分配RACI模型
按照职责分配（RACI）模型（模型可揭示不同组织间的关系，是如何进行大数据治理的），园区数据治理各组织之间的关系如下：
“RACI”所代表的内涵是：
1.谁负责（R = Responsible）
即负责执行任务的角色，他/她具体负责操控项目、解决问题。
R是实际完成工作任务者，任务可由多人分工，其程度由A决定。
2.谁批准（A = Accountable）
即对任务负全责的角色，只有经他/她同意或签署之后，项目才能得以进行。
A是负起最终责任者，具有确定是/否的权力与否决权，每一个任务活动只能有一个A。
3.咨询谁（C = Consulted）
即拥有完成项目所需的信息或能力的人员。
C是最后决定或行动之前必须咨询的人。可能是上司或外人；为双向沟通模式，需为A提供充分必要的资讯。
4.通知谁（I =Informed）
即拥有特权、应及时被通知结果的人员，却不必向他/她咨询、征求意见。
I是告知者，一个决策定案后或行动完成后必须告知的人。在各部门、各阶层或后续计划者，为单向沟通之模式。
数据治理组织设置建议
- 执行者/项目组（R = Responsible）
数据治理的科技部门。在信息系统或者在业务流程中执行按照数据标准的要求进行执行的团队或项目组。
- 数据管理者（A = Accountable）
负责企业数据相关政策和办法的制定和后续推进和落地；进行数据质量、数据标准、元数据等数据相关的具体管理工作；推动全行信息化进程。
数据管理者未来可以考虑设置的岗位包括：
1. 数据标准管理岗：牵头组织数据标准编制，评审、维护、更新数据标准及相关制度的编制、修订、解释、推广落地；
2. 数据质量管理岗 ：牵头数据质量标准、数据质量检查规则的订立和维护，数据质量评估模型制定和维护、数据质量相关管理办法的编制、修订、解释、推广落地，以及专项数据质量整顿改造工作；
3. 元数据管理岗：牵头元数据的采集、梳理、存储、维护和更新。元数据管理相关管理办法的编制、修订、解释、推广落地；
4. 数据架构管理岗：牵头目标数据架构、数据生命周期管理策略的制定、维护和更新；数据架构和数据生命周期相关管理办法的编制、修订、解释、推广落地。
- 数据协调员（C = Consulted）
来自于各数据治理相关业务机构。数据协调员的职责在于代表本部门参与数据治理相关决策，配合、协调、推动数据治理在本部门的执行。
1. 代表了有数据质量要求的相关业务/部门，包括全行范围内或其他审计意见中提出的任何数据质量问题。
2. 识别，监控和跟踪质量的关键数据元素。
3. 对各种数据质量问题进行过滤和分类，以符合数据治理办公室制定的质量标准中所涵盖的问题类别。
- 数据使用者（I =Informed）
享受数据治理成果的人员。
数据治理组织间关系
通过园区数据治理的案例我们可以知道，数据治理组织之间的协调与统一是数据治理成功的前提，因此总结出以下指导原则。
一、数据治理工作需要各方的通力合作
- 数据管理者需要和各自对口的业务领域中的业务专家合作，共同提升数据质量；
- 数据管理者鼓励和牵头在业务和技术领域中的数据治理相关的流程改善。
二、数据治理工作的进行需要合理的分工
- 数据管理者不是数据所有者，相关的业务机构才是；数据管理者由数据的所有者授权进行数据管理；
- 数据治理是对数据管理流程实行管理，并不是数据管理流程本身的执行；数据管理流程的执行通常依赖于业务和科技部门的配合；
- 数据管理者本身并不包揽所有的数据治理和管理工作，部分的数据治理和管理工作需要业务部门的数据协调员和科技部门的执行者共同进行。
大数据治理组织模型需要根据企业数据治理具体需求做合理的调整，此次景轩信息只是分享了通用的数据治理组织模型，如您有任何疑问或需求，可关注“数据轩”，我们将持续分享大数据治理与可视化相关解读，或者联系小编。
推荐阅读
