早期开展数据治理的企业往往从建设数据治理平台工具开始，认为数据问题是技术问题，可以通过纯技术手段解决。但由于缺少业务部门的参与，缺少相关流程、规范和机制，技术部门难以单方面推动数据治理工作。随着DMBOK、DCMM等理念框架的建立和推广，数据治理的组织、制度、流程、规范等受到重视，企业开始将咨询引入数据治理体系，结合企业自身的业务特点、组织架构、数据管理现状等做整体的规划。在完整的体系指导下，数据治理工作得到不同程度的落地，并在部分领域获得较好的实践经验。但在各项治理工作推行并取得成果后，数据治理团队又开始面临工作的价值问题。
基于理论体系、方法论规划开展的数据治理在执行上着重数据标准、数据质量等管理能力的建设，在实践中往往是全面展开，缺少对业务的关注。以元数据为例，全业务域的元数据梳理涉及多个业务部门、多个业务系统以及多个相关供应商，而元数据梳理又是一项细致的工作，在有限的时间范围内，要协调多方梳理元数据，不但投入的成本大，而且质量难以保证，价值收益不明显。
随着企业数据治理的逐步深化，企业普遍意识到治理工作聚焦的重要性，而聚焦又包括两个维度：一是业务聚焦，针对高层关注的数据应用或当前重点应用建设项目，在应用涉及的数据范围内开展精细化治理，投入小见效快，可以在小范围内快速验证和迭代数据治理相关的方法、流程、规范，然后再复制推广，形成适合自身的数据治理工作机制。二是在治理能力方面聚集，不同行业，不同阶段的企业开始关注适用于自身的数据治理发展路径。如
金融业注重数据标准化；地产行业则关注项目、楼栋等主数据的拉通；处于数字化转型初期的企业需要在平台建设起步前做整体的规划，提升阶段的企业则更适合对当前工作做全面评估并针对性地在部分能力域进行提升。
企业数据治理的这一需求趋势，对数据治理服务商的方案能力提出了更高的要求，一套方案走天下的时代已一去不返。与企业共同探讨，不断追求落地、创新，成为未来数据治理服务商竞争力的关键。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
