第四篇：数据管理组织-适合自己的才是最好的

Posted 2023-02-14 数据文字工作者

前言

“数据治理”简简单单四个字却涉及组织、制度、机制、技术、标准等非常多的内容，是一门复杂综合性学科，而且是很多数据类项目的基础性、前置性工作，很多项目或多或少都会涉及到数据治理相关工作，本系列文章主要基于个人学习与实践经验，跟大家系统的聊聊“数据治理”这件事儿！

欢迎大家催更、鼓励，大家的关注将是我持续的动力！

——金子，十年数据领域探索者

为了贯彻落实企业数据战略，更好的支撑数据管控、数据运营工作的实施运行，需要成立责任制、体系化、全方面的数据管理组织，但具体数据管理的组织架构怎么设置，需要配备哪些数据管理人员角色？

只能说适合自己的才是最好的，本篇主要针对不同数据管理组织架构模式特点和关键数据管理人员角色进行介绍，方便企业根据自身实际情况搭建自己的数据管理组织，推进企业数据能力落地。

01 数据管理组织架构设置

数据管理不仅仅是数据问题，它涉及到业务、IT、管理等方方面面，仅仅依靠技术部门来推动和开展数据管理工作是无法取得成功的，只有来自更高层管理者的驱动力，建立自上而下的跨部门跨业务条线的组织体系，才能保证企业内部的高效协作。数据管理组织架构一般包括决策层、组织协调层、数据管理层、工作执行层四个层级，其中：

决策层作为开展数据管控和数据运营等各项工作的最终决策机构，由负责公司数字化高层（如：总经理/CDO）担任，审批或授权数据管控和数据运营相关重大事项，制定公司数据管理考核机制，全面协调、指导和推进公司的数据管理和运营工作，督促组织协调层和数据管理层不断提升治理、挖掘数据价值。

组织协调层由各业务部门、数据管理部门、IT部门相关负责人组成的数据管理委员会承担，负责统筹管理和协调资源，细化数据管理的考核指标。

数据管理层由数据管理办公室（数据管理部）承担，作为主持企业日常数据管理工作的主要实体部门，负责建立数据管控和数据运营的完整体系，制定公司数据管控和数据运营工作计划，组织开展日常数据管控和数据运营工作，建立数据质量控制和数据价值挖掘常态化机制，组织评估数据管控和数据运营工作的有效性和执行情况，定期向组织协调层和决策层汇报。

工作执行层由业务、数据、IT共同承担，负责落实具体的数据管理执行工作，与数据管理层协同完成各项数据管理活动。

在数据管理组织模式方面，主要分为集中式管理与联邦式管理两种模式。

集中式数据管理组织

集中式管理由数据管理办公室/数据管理部统筹、统建企业数据能力，由数据管理办公室/数据管理部负责企业数据平台建设，对企业数据进行统一集成、治理，并通过数据运营人员/数据BP（Business Partner,指业务伙伴）代表数据管理办公室/数据管理部下沉到一线各业务部门协同业务人员、IT人员进行数据标准质量管控与数据价值场景挖掘。

集中式管理对各业务线独立性要求较低、数据相关性要求较高，适合业务线比较单一的中小型企业或阿里等数字原生企业。

联邦式数据管理组织

联邦式数据管理由企业级的公司数据管理办公室/数据管理部代表公司制定数据管理相关的制度、流程、机制和支撑系统，制定公司数据管理的战略规划和年度计划并监控落实，建立并维护企业级数据架构，监控数据质量，披露重大数据问题，建立专业任职资格管理体系，提升企业数据管理能力，推动企业数据文化的建立和传播。

各业务领域数据管理团队负责基于企业级的公司数据管理办公室/数据管理部制定数据管理相关的制度、流程、机制、支撑系统和数据架构进行本领域数据能力建设，并协同本领域业务团队、IT团队进行本领数据数据标准质量管控与数据价值场景挖掘。

但实践证明完全不干“实事”的企业级的公司数据管理办公室/数据管理部因为不直接产生业务价值，其生存空间比较小，制定的公司级的据管理制度、流程、机制推行困难，容易脱离业务，且容易与IT部门和各业务线数据团队职能产生冲突。所以企业级的公司数据管理办公室/数据管理部除了制定公司级的据管理制度、流程、机制以外通过以下几方面工作加强“存在感”：

1. 牵头打造公司统一的数据平台底座等通用性比较强，且对企业资源消耗比较大或建设难度、成本比较高的数据技术工具；

2. 建立相关数据集成和数据共享标准规范，主导公司统一数据集成和共享应用，发挥公司数据能力集约化价值；

3. 牵头负责跨业务领域数据模型建设，满足单一领域数据管理团队无法支持的跨领域数据共享应用需求；

4. 帮助缺乏数据能力的业务团队进行本领域数据标准质量管控与数据价值场景挖掘，并逐步帮助其搭建本业务领域数据管理组织，培养本业务领域数据管理能力。

联邦式管理对各业务线独立性要求较高、数据相关性要求较低，适合业务线比较多的集团型非数字原生企业。

02 数据管理人员角色配备

数据管理对人才的复合型能力提出了更高的要求，在数据管理人员角色配备方面，一个完整的数据管理团队需要具备相关数据架构、数据标准、数据质量、数据安全等数据管理能力，数据开发、算法开发、数据分析等数据处理分析能力，数据平台建设和运维管理能力等，企业根据自身情况可以进一步扩展细化或收缩复用相关人员编制。

为了更高效的开展数据质量控制和数据价值挖掘工作，建议无论是集中式数据管理还是联邦式数据管理，都应在各业务部门建立业务-数据一体化团队，即：业务数据Owner和数据运营人员/数据BP。

业务数据Owner

各业务数据Owner是本专业领域数据管理工作的责任主体和接口人，负责本专业领域的数据管理执行工作，具体工作职责包括：

1. 负责协同相应IT系统负责人管控业务数据源，确保数据被准确记录和及时维护，落实相关数据标准制定和执行工作，保证数据源质量；

2. 负责本专业领域数据的业务元数据、技术元数据、管理元数据等信息的维护、完善；

3. 负责本专业领域数据质量管理，制定数据质量提升工作方案，落实数据质量管控机制，开展数据质量问题的识别、分析与整改；

4. 负责落实管理层制定的数据安全管理要求，完成本领域数据的分类分级，配合开展数据安全监督与审计工作；

5. 负责本业务领域数据共享流程审批工作。

数据运营人员/数据BP

数据运营人员/数据BP（Business Partner,指业务伙伴）是既懂数据又懂业务的复合型人才，其将深入各业务一线进行数据文化倡导，逐步培养业务人员的数字化思维，协同各业务部门进行基于统一数据能力平台的业务应用规划与实施，推进企业数据能力在业务中应用落地，实现从“被动接收”式数据服务向“主动运营”式数据服务转型，让数据持续用起来。数据运营人员/数据BP具体工作职责包括：

1. 数据文化倡导。负责宣传、营造数据文化，培养业务人员的数字化思维，使业务人员逐步养成用数据分析问题、解决问题习惯；

2. 数据需求枢纽。做好业务语言到技术语言的翻译，协助业务人员立项数据项目，从需求分析到开发、测试、实施、验证，全流程追踪负责；

3. 数据价值挖掘。基于对业务的理解，主动进行数据价值场景挖掘，识别业务中可以通过数据赋能或者优化的业务场景，并进行相关数据产品、方案规划设计与落地；

4. 数据质量管理。数据应用过程中的数据质量问题发现与反馈；

5. 数据市场交易。作为生产要素的数据交易、定价、价值评估规则制定；

03 结语

数据管理组织是企业数据能力落地的组织保障，一方面需要根据企业自身情况进行“量身定制”，杜绝照搬硬套，另一方面需要对组织和角色的职责边界进行清晰的定义，避免职责冲突。