文章转载自微信公众号“与数据同行”；作者：傅一平

　　企业级数据治理最奇怪的地方，不是做不好，而是很少"不及格"。

　　经营会上还是两套数，业务还是不认口径，主数据系统上线后业务还是各用各的编码，数据质量工单关了一批又冒出一批，数据目录里的资产信息过期了也没人更新。

　　但到了汇报材料里，它通常不会叫失败。

　　第一年叫全面启动，第二年叫持续深化，第三年叫巩固提升。

　　不信的话，把你们近三年的数据治理总结翻出来对比一下。除了重点表换了一批，结构和措辞几乎一样。

　　说法在变，本质没变：

　　卷子越写越厚，却一直没有真正交出去。

　　数据治理最怕的不是没人干活，而是干了很多活，最后没有一个环节，要求它回答"到底做成没有"。

　　没有这一问，就没有判定。

　　没有判定，就没有不及格。

　　没有不及格，自然就永不失败。

　　这不是说数据治理可以一劳永逸。企业的数据问题不可能靠一次专项彻底清零，治理也确实需要长期运营。

　　但长期运营，不等于永远不用判卷。

　　业务自己领域内的数据问题，从来不缺判卷的：名单错了影响触达，客户归属错了影响业绩，结算数据错了影响收入。这类问题不用讲治理大道理——现实每天都在给它判卷，业务自己就会追着改。

　　真正难的是企业级、跨部门、基础性、长期性的数据治理。

　　它解决的是全局口径、主数据、数据质量、数据责任这些问题。它重要，但它的痛感是分散的——问题烂着，没有哪个部门单独疼；它的收益是全局的，整改的代价却落在具体部门头上；它的风险在长期，要动的刀却在当下。

　　所以它最容易变成一种状态：

　　都说重要，没人判卷。

　　如果把企业级数据治理看成一场考试，很多企业的状态是：题一直在做，卷子一直没交。

　　问题是，为什么一件这么重要的事，组织反而不急着让它交卷？

　　一、很多治理一开始就不是奔着交卷去的

　　很多企业启动企业级数据治理，并不是没有理由。

　　集团考核、合规检查、行业对标、数字化转型方案补齐、数据事故后的体系化整改，这些都可能成为治理启动的触发点。

　　这些触发点都不荒唐。企业确实需要治理体系，需要制度安排，需要平台工具，也需要持续推进的抓手。

　　但问题在于，组织最容易确认的是治理动作，不是治理结果。

　　有没有启动会，有没有发文，有没有制度，有没有平台，有没有规则，有没有工单，有没有汇报，这些都看得见。

　　而业务是不是只认一套口径，流程是不是强制调用统一数据，源头是不是少犯错，人工补救是不是减少，这些很难在短周期里被确认。

　　于是企业会很自然地先奖励"治理可见"。

　　治理可见，证明组织已经在处理问题。

　　治理有效，证明问题真的被改变了。

　　这两件事看起来接近，其实差得很远。

　　很多数据治理项目的真实处境是，组织首先需要它证明"我在做"，而不是证明"我做成了"。

　　因为在做就能应对检查，在做就能写进汇报。出了数据事故，"我们已经在治理了"本身就是一种回应。

　　这就是一种存在性治理。

　　很多治理不是为了证明问题解决了，而是先证明组织没有不管。

　　只要制度发了，平台上了，会议开了，规则配了，工单跑了，就能证明组织没有躺平。至于业务状态到底有没有改变，往往不是第一优先级。

　　所以治理一旦启动，几乎必然落进项目制。

　　有预算、有采购、有供应商、有平台上线、有制度发布、有验收材料。

　　这些交付物证明卷子有人在写——对存在性需求来说，这就够了。

　　但它们不能证明卷子已经交了，更不能证明分数合格。

　　系统上线，不等于业务使用。标准建成，不等于口径统一。工单关闭，不等于问题消失。

　　卷子写的是什么，验的又是什么？

　　明明要解决的是"组织如何共同认账"的问题，最后却按"平台是否交付"来验收。

　　这不是没人重视的结果，恰恰是重视的结果——只是这种重视首先要求它"在做"，不一定要求它"做成"。

　　当需求本身不指向判卷，治理从第一天起就是偏的，后面再努力，也很难交卷。

　　但更麻烦的是，很多治理体系不仅没有交卷，还会制造一种很强的进度感。

　　最典型的，就是工单闭环的错觉。

　　二、工单闭环最危险的地方，是它太像治理了

　　很多数据治理负责人会说，我们是有闭环的。

　　问题发现、工单派发、责任部门整改、数据团队复核、工单关闭，流程跑得很完整。

　　这话没错。

　　工单当然有必要。没有问题发现、派发、整改和复核，数据质量管理连基本抓手都没有。

　　但真正的问题不在有没有闭环，而在闭环到哪里为止。

　　很多时候，关闭的是工单，不是问题。

　　一个字段经常缺失，规则每天都能发现，工单也能派出去。责任部门补录以后，工单关闭。下个月新数据进来，字段继续缺失。

　　如果只看工单指标，治理是有效的：发现问题数量上升，派单数量上升，关闭数量上升，闭环率也上升。

　　材料里甚至可以写得很好看：数据质量问题发现能力持续增强，整改闭环机制持续完善，治理成效持续提升。

　　但如果看业务结果，问题并没有被治理掉，只是被重复处理了一遍。

　　这就是很多治理体系的永动机：

　　问题越多，工单越多；工单越多，治理越繁荣。

　　最荒诞的是，问题没少，成绩变多了。

　　只要源头录入没有变，流程校验没有变，业务规则没有变，责任考核没有变，同类问题就会继续出现。

　　工单闭环最危险的地方，不是它没用，而是它太像治理了。

　　它把"问题反复发生"，包装成"问题持续被处理"。

　　如果一个数据质量问题连续三个月重复出现，它就不应该再被当成普通工单处理。它已经不是单纯的数据问题，而是流程问题、系统问题、岗位责任问题，甚至是考核问题。

　　但很多治理体系最擅长的是处理问题记录，不是改造问题来源。

　　考核什么，就得到什么。

　　考核闭环率，就会得到关闭的工单。

　　考核复发率，才可能逼近源头机制。

　　这就是工单幻觉。

　　它制造了进度感，也推迟了判卷时刻。

　　因为只要工单还在流转，治理就看起来一直在路上。

　　而一个一直在路上的治理，很少需要回答一个尖锐问题：

　　这件事到底有没有做成？

　　三、企业没出大事，是少数人在替体系补洞

　　如果治理真的没有交卷，企业应该早就乱了才对。

　　但现实是，大多数企业还在正常运转。经营会还能开，报表还能出，指标还能报，审计还能应付。

　　这不一定说明治理体系成熟。

　　很多时候，是少数关键人一直在替体系补洞。

　　每月经营分析出数前，总有一两个报表开发盯着跑批结果，把上游漏灌的数据手工补齐，把口径有争议的指标提前跟业务电话确认一遍，确认没有地雷了才敢把报表推出去。

　　这件事不在任何治理流程里。

　　但如果哪天这个人请假了，经营会第二天可能就会出事故。

　　客户主数据有重复，一线客户经理并不走合并流程，而是在自己的 Excel 里维护一张映射表，把集团编码和本地编码对照着用。

　　这张表没有版本管理，没有审批，没有审计，但它支撑着区域业绩统计跑了好几年。

　　业务部门说某个指标不对，数据团队里总有人知道"这里要扣掉那一类特殊客户""这个系统 25 号之后的数据不能直接用""这个字段名虽然一样但两个系统含义不一样"。

　　这些知识不在元数据里，不在标准里，不在目录里。

　　它们长在人的脑子里。

　　很多企业最关键的数据知识，其实还在几个老员工的记忆里。

　　这些人构成了企业数据体系里的隐形兜底网络。

　　他们的存在，让组织误以为问题没那么严重。每次出问题都有人能救回来，于是机制缺口没有被迫暴露，治理也就可以继续停留在"正在推进"。

　　长期依赖人工兜底，不是治理成熟的证据，而是治理还没有真正交卷的证据。

　　组织不是不知道有人在兜底。

　　它只是很容易把兜底当成一种低成本的治理替代品。

　　兜底比改机制便宜，比重新划责任安全，比正式判卷舒服。

　　这才是人工兜底最残酷的地方。

　　真正懂口径的人不敢走，真正会修数的人不能闲，真正能协调业务的人永远在救火。

　　组织把他们当能力，实际上是在消耗他们替机制补位。

　　为什么做治理的人都觉得累？

　　因为上会的报告，不是靠牛逼的数字化能力做出来的，而是靠治理人的血堆出来的。

　　所以判断数据治理有没有进步，有一个很朴素的标准：

　　它有没有减少对少数关键人的依赖？

　　如果治理之后，更多问题只是更快地推给少数关键人处理，更多工单只是更规范地压到这些人头上，那它不是成熟了，而是把未交卷事项管理得更熟练了。

　　工单闭环和人工兜底，之所以能长期存在，是因为它们都绕开了同一个问题：

　　谁有权说这件事没通过？

　　四、真正稀缺的不是标准，而是否定权

　　每个做过治理验收的人，都见过那个场面。

　　验收会上，材料很厚，功能都过，流程齐全。

　　数据团队不好说自己没做成，因为屁股在那里。

　　业务部门不愿替项目背否定意见，因为怕回旋镖。

　　管理层又未必掌握足够细，最安全的结论就变成了：继续优化。

　　不是没人知道真相。

　　是没人适合把真相写进验收意见。

　　在很多企业级治理事项里，权力、信息和动机往往分散在不同角色手里。

　　管理层有权力，但离数据现场较远，未必掌握足够细节。

　　数据团队掌握大量信息，但很难主动给自己牵头的事项下否定结论。

　　业务人员最清楚数据到底能不能用，却往往没有权力对治理项目下最终判断。

　　于是就出现一个结构性真空：

　　有权的人离现场远，有现场的人没有裁决权，有裁决风险的人不愿主动触发否定结论。

　　这不是哪一方不负责，而是很多企业级治理天然容易卡在这个位置。

　　所以，数据治理最缺的往往不是建设权，而是验收权；不是推进权，而是否定权。

　　否定权，就是谁有资格说这件事没通过。

　　否定权不能悬在空中，它得有个落点。

　　一个真正能判卷的数据治理问题，必须回到业务现场。

　　”这 20 个核心指标，下个月经营会是否只认统一口径？”

　　“这 5 类客户主数据，新增、变更、合并、注销是否有唯一责任链？”

　　“这 3 个关键流程，是否必须调用治理后的数据服务，而不是继续维护线下台账？”

　　只有问题具体到这个程度，治理才可能被验收。

　　否则治理范围越大，越容易永远正确。

　　任何进展都能算成果，任何遗留都能解释为后续持续推进。

　　发布了多少标准，盘点了多少资产，配置了多少规则，关闭了多少工单，这些数字都是真的，也都有价值。

　　但它们只能证明数据团队一直在干活，不能证明企业的数据状态真的变好了。

　　否定权这件事之所以难，不是因为没人会判断，而是因为一旦有人说"没通过"，数据治理就会从工作量展示变成责任重分配。

　　口径没统一，就要问谁有定义权，谁要放弃自己的算法。

　　主数据没进入流程，就要问哪些系统必须改，哪些业务必须用。

　　质量问题反复出现，就要问源头规则、流程校验和岗位责任到底谁来改。

　　以上问题，组织往往没有做好准备。

　　因为每一条划线，都意味着有人要交出手里的东西——而愿意交的人，从来不多。

　　这才是判卷真正难的地方。

　　它不只是一次项目复盘，而是一次组织重新划线。

　　所以很多治理事项可以持续推进，却很难正式判负。

　　它不会失败。

　　它只是永远不交卷。

　　五、这个结不是解不开，只是解法和你想的相反

　　看起来这是个死结。

　　有权的不了解，了解的不敢说，敢说的说了不算。

　　但这个结不是解不开——只是解开它的方式，和大多数企业的直觉相反。

　　直觉是什么？是自上而下再建一套体系：成立验收委员会，发一份评估办法，定一套打分标准。

　　可这套动作本身，又会变成新的制度、新的材料、新的"治理可见"。用建设动作去解决验收缺位，等于用更厚的卷子回答"为什么不交卷"。

　　真正的解法方向相反：不是先建全局的验收体系，而是先在一个足够小的场景里，让否定权真实地运转一次。

　　很多企业不是治理范围不够大，而是从来没有一件小事被真正验收过。

　　一做不出效果就本能扩大范围——更多系统、更多表、更多规则、更多部门——看起来声势更大，实际上是把一个本来就没人判卷的问题，扩大成一个更没人判卷的问题。

　　小场景能跑通，不是因为问题更简单，而是因为每个人要交出的东西足够小——口径让一寸，系统改一处，岗位担一责，小到咬咬牙能接受。

　　全局划线是拆权力格局，小场景划线只是挪一张桌子。

　　这三件事——交哪张卷、谁来判、不通过怎么办——说起来抽象，落到一个具体场景就清楚了。下面的主数据场景，大家都很熟。

　　很多集团型企业上了主数据系统，编码、去重、变更合并流程都有了，项目验收也过了。但业务还是各用各的编码。

　　数据团队以为是业务不配合。

　　但真正的原因是——

　　同一个客户算一个主体还是多个主体，没人裁决。

　　关键流程，不强制调用统一编码。

　　发现错误，推不动源头改规则。

　　裁决权没有进入业务流程，这就是主数据版本的"永远不交卷"。

　　这时候最不该做的，就是把主数据铺向全域、全量、所有系统。

　　该做的是收缩：先选一个场景，比如"政企客户收入分析"，让这一张小卷子真正被判一次。

　　交卷标准写具体：经营分析会里，政企客户收入必须按统一客户编码统计。

　　不通过标准写清楚：同一客户在关键报表中仍出现多个编码，即为未通过。

　　判卷人定下来：政企、财务、数据团队共同确认口径，分管领导裁决争议——不是走签字流程，是真的有人能说"不行"。

　　复验机制跑起来：每月抽查新增、合并、异常客户，复发问题回到源系统规则和业务岗位责任，而不是再开一张工单。

　　这个小场景里发生了什么？

　　否定权第一次有了落点：有人有资格说"未通过"，而且说了算数。

　　责任第一次被划线：口径谁定、系统谁改、录入谁管，在这一个场景里全部说清。

　　复发第一次有了后果：问题再出现，追的是源头规则，不是补数的人。

　　到这一步，主数据治理才开始真正交卷。

　　不是因为系统上线了，而是因为在这一个场景里，它进入了业务使用、责任裁决和持续复验。

　　一个场景判过卷，第二个场景就有了模板。判卷人怎么定、不通过怎么办、复发怎么追，这些机制被验证过一次之后，复制的成本远低于第一次。

　　否定权不是设计出来的，是用出来的。

　　六、支撑不交卷的东西，正在塌

　　现在，支撑"不交卷"的那些稳定器，正在变脆。

　　关键人会调岗、退休、离职，长在脑子里的口径带不走。

　　专项会结束，领导注意力会转移，靠会议推动的动作很难长期自转。

　　预算会收紧，管理层迟早会追问：做了这么多年，到底哪件事真的做成了？

　　AI也来了。它不管你的卷子写了多少年，它当着业务的面，直接念答案。

　　所以先让一个小案交卷，不是为了写一个更漂亮的治理案例，而是在兜底网络失效之前，先把一部分规则沉到系统、流程和岗位里。

　　企业级数据治理当然需要长期运营。

　　但长期运营，不等于永远不用判卷。

　　真正成熟的治理体系，不是把所有问题一次性解决，而是让每个关键问题都有一次明确的阶段性判定：

　　通过，还是不通过；

　　复发，还是收敛；

　　沉淀进机制，还是继续靠人兜底。

　　下一次复盘企业级数据治理，不要先问做了多少工作。

　　先问三句话：

　　这次治理，准备交哪张卷？

　　谁来判卷？

　　谁有权说它不及格？

　　如果这三个问题答不上来，所谓治理，可能还只是把卷子写厚了。

　　数据治理当然不会失败。

　　因为它从来没有被允许不及格。

　　什么时候你的治理敢不及格了，它才算真的开始。