1.2　数据治理模型

数据治理模型是一个框架，定义了数据创建、存储和维护，以及数据处置的系统和流程，并明确了决策者的角色，组织往往会使用多种类型的数据治理模型。国外的数据治理模型研究开展得较早，常见的有数据治理研究所（Data Governance Institute，DGI）数据治理框架、高等教育统计局（Higher Education Statistics Agency，HESA）数据治理模型和渐进式数据治理模型，如图1.1所示。

1.2.1　DGI数据治理框架

企业生存源于3个主要驱动力：增加利润、成本和复杂性控制，通过对风险与脆弱性的研究确保企业正常运作，这涉及合规、安全和隐私等。数据治理过程也相应地与这条通用价值准则紧密相连。DGI推出的DGI数据治理框架为企业基于数据的决策活动提供方法指导。模型从组织数据治理的目标或者需求出发，描述了谁可以采取什么行动来处理什么信息，以及何时在什么情况下使用什么方法。例如，如何管理数据以实现数据价值，如何最小化成本和复杂性，如何管理风险，以及如何确保遵守法律法规和符合其他要求。

DGI数据治理框架从组织数据治理的目标或需求出发进行设计，能帮助企业对复杂、模糊的概念做清晰的梳理，明确目标和行动计划，提高效率与成功率。如图 1.2所示，DGI数据治理框架的设计遵循5W1H原则。

�·WHY，为什么要进行数据治理？

DGI数据治理框架中的1～2组件给出了数据治理的愿景使命和目标，也解释了企业为什么要进行数据治理，为企业数据治理指明了方向，是其他数据治理活动的总体策略。

�·WHAT，数据治理包括什么？

DGI数据治理框架中的3～6组件，即数据规则与定义、数据的决策权、数据问责制、数据管控4个组件定义了数据治理所包含的内容。数据规则与定义侧重于对业务规则（如相关的策略、数据标准、合规性要求等）进行定义；数据的决策权侧重于数据的确权，明确数据归口和产权，为定义数据标准、制定数据管理制度和编排数据管理流程奠定基础；数据问责制侧重于对数据治理职责和分工进行定义，用于明确参与数据治理的人员、数据治理时间和数据治理任务；数据管控侧重于制定保障数据质量和安全的具体措施，以及保障数据的合规使用。

�·WHO，谁参与数据治理？

DGI数据治理框架中的7～9组件，定义了参与数据治理的人员，包括数据利益相关者、数据治理办公室和数据专员，为数据治理的主导、职责分工给出了相关参考。

�·WHEN，什么时候开展数据治理？HOW，如何开展数据治理？

DGI数据治理框架中的10组件，即WHEN显示了数据治理的实施路径和行动计划。HOW描述了数据治理的重要活动和方法。

�·WHERE，数据治理位于何处？

位于DGI数据治理框架十大组件之外，需明确当前企业数据治理的成熟度，找到企业与先进标杆的差距，是定义数据治理内容和策略的基础。

作为重要的生产要素，数据是企业进行转型升级的重要基础。DGI发掘了数据治理对企业的价值，并基于此确定实施路线图和计划。通过DGI数据治理框架有利于获得利益相关方的资金、资源，以及政策方面的支持，有助于明确范围并建立SMART［具体（Specific）、可衡量（Measurable）、可实现（Attainable）、相关（Relevant）和有时限（Time-bound）］目标。最后执行与数据治理有关的过程，并监控执行结果，测量和报告数据治理状态。DGI数据治理框架条理清晰，对实际数据治理的指导性很强，普遍应用于企业数据治理中，具有良好的扩展性。

1.2.2　HESA数据治理模型

HESA提出了HESA数据治理模型，具体内容如图1.1所示。

HESA 是英国收集、分析和传播高等教育定量信息的官方机构，提出了大学数据受托人（University Data Trustee）的概念，其指出大学数据受托人要对数据管理战略进行协调。另外，由模型的整体结构可知，组织的数据治理既离不开操作层面的管理，也离不开政策层面的指导。HESA构建HESA数据治理模型的同时会定义和分配一些关键角色，使整个治理过程为一个整体，并使过程清晰化、具体化，如图 1.3所示。

1.2.3　渐进式数据治理模型

渐进式数据治理模型是由美国一家软件咨询公司提出的，数据治理的核心价值是创建一个模型确保数据的保密性和完整性，以及保证数据的质量。渐进式数据治理模型建议采取渐进式方法进行数据治理，分7个步骤来实施，以确保数据的有效治理。渐进式数据治理简易模型兼具全面性与实效性，是一个更为具体和全面的数据治理模型，如图1.4所示。