ARTICLE DETAIL

资讯详情

深耕网站建设、视觉设计与SEO优化的一线实战洞察。

数据治理落地难?拆解咨询方案中的RACI与FTE配置

数据治理落地难?拆解咨询方案中的RACI与FTE配置

简介:这份PDF面向企业架构师、数据治理负责人与信息化项目管理者,系统梳理麦肯锡关于数据治理与数据架构总体设计的咨询方法论,帮助回答业务能力建设、IT架构现状诊断、目标架构演进及治理组织保障等核心问题。内容围绕业务能力架构、IT架构现状与目标设计、企业架构治理、数据治理方向性建议及ARIS模型说明展开,重点阐述数据“所有者”制度、多层级数据负责制、企业信息/数据模型作为“唯一数据源”的定位,以及数据督导、建模、日常管理三类角色的职责划分与KPI设定。资源包共1个PDF文件,大小约1.78MB,单文件结构完整,便于通读与检索。目前已有172人学习,适合需要搭建从组织架构到技术实践再到监控维护的数据治理体系、提升数据实用化水平的读者参考借鉴。

1. 数据治理为什么总在“最后一公里”翻车:一份咨询方案的拆解视角

很多团队做数据治理,方案写得漂亮,落地时却卡在“谁对这张表负责”这种最朴素的问题上。这份《数据治理与数据架构总体设计咨询方案》PDF 的价值,不在于它给了多少新概念,而在于它把企业架构(EA)和数据治理拧成了一根绳:先回答业务能力对 IT 的要求,再梳理 IT 架构现状与差距,最后落到目标架构、治理组织和 ARIS 模型固化。它适合正在推数据治理却推不动、或者要写企业级数据架构总体设计的技术负责人、架构师和数据管理岗。我拆完的感受是:它把“数据治理”从口号拆成了角色、要素、流程三块可配置的东西,尤其是数据督导、数据建模、数据库管理三个团队的职责切分,以及 RACI 表,是能直接抄去改自己组织方案的。下面按“这是什么—怎么用—坑在哪”的顺序讲。

2. 先立住理论:数据治理的角色、要素与流程怎么拆

2.1 三个团队与四层架构的对应关系

方案把数据治理团队切成三块:数据督导团队、数据建模/架构团队、数据库管理团队。这不是拍脑袋分的,它对应企业架构的四层:企业整体架构层、能力板块层、信息系统/项目层,再加一个贯穿的治理层。数据督导负责“数据定义”和“数据质量 KPI”,数据建模/架构师负责概念模型和逻辑模型,数据库管理员负责物理模型和日常运维。这个切法的好处是责任边界清楚:业务部门出数据督导,信通中心出架构师和 DBA,谁也别想把“数据不准”甩给对方。

我一般会先把这张对应关系画成一张表贴到项目墙上,让每个角色知道自己在哪一层、对哪个交付物负责。方案里给了一张很实用的对应表,原有角色(企业架构师、业务架构师、项目软件架构师、基础架构师)对应到改进角色和新增角色(企业数据管理委员会、数据督导、数据架构师、数据建模师、数据库管理员)。这张表的价值在于:它告诉你不用另起炉灶,而是在现有 EA 团队上做角色增强。

2.2 数据治理四要素:设计、平台、生命周期、KPI

方案把治理要素归为四类:数据设计(数据定义、概念建模、逻辑建模、物理建模、使用者建模)、数据技术平台、数据生命周期、数据治理 KPI。每一类都对应到具体角色和交付物。比如数据定义由数据督导团队负责,概念建模由数据督导和数据建模团队一起完成,物理建模由项目团队的数据建模人员负责。这个分工的逻辑是:越靠近业务语义的,业务侧责任越重;越靠近数据库实现的,IT 侧责任越重。

这里有个容易被忽略的点:方案把“数据使用者建模”单独列为一个要素,要求按角色定义 CRUD 权限(Create/Read/Update/Delete)。很多治理方案只讲到数据质量就停了,权限模型要么丢给安全团队,要么在项目里各做各的。方案把它拉回治理要素层面,意味着权限设计要和数据定义同步做,而不是等系统上线再补。

2.3 RACI 表:把“共同负责”翻译成具体动作

方案给了一张 RACI 分工表,覆盖数据定义、概念建模、逻辑建模、物理建模、使用者建模、技术平台架构、服务水平制定、存储规范制定、KPI 设定九项工作,横向是企业数据管理委员会、数据督导团队(企业级/能力板块级)、数据建模/架构团队(企业级/项目级)、数据库管理团队(企业级/项目级)。R 是义务、A 是最终责任、C 是顾问、I 是告知。

这张表最值得抄的地方是它敢把“A”明确到某一个角色上。比如数据定义,A 落在企业级数据督导;概念建模,A 落在企业级数据建模师/架构师;物理建模,A 落在项目级数据物理建模师。现实里很多治理推不动,就是因为一张表三个部门都“共同负责”,最后没人负责。把 A 钉死,争议才有裁决点。

提示:RACI 表不要照搬角色名,要按自己公司的部门设置做映射。方案里能力板块级数据督导落在发策部、基建部、生技部、营销部、物资部、财务部、人资部、调度这些业务部门,每个部门一个科/副科级督导,投入 30%,这个配置比例可以作为起步参考。

3. 落地第一步:用数据定义模板把“唯一数据源”建起来

3.1 数据对象清单怎么列:以物资主数据为例

方案给了一个很具体的数据定义模板,以物资主数据为例:数据对象名称、相关能力板块、主数据来源、业务负责部门、可能数据引用方、关键属性(已有)、关键属性(需要增加)。这个模板的实操价值在于,它逼你把“这个数据从哪来、谁负责、谁在用、有哪些字段”一次说清。

我照着这个模板整理过一类主数据,流程是这样的:先确定数据对象(比如物资主数据),再标出它挂在哪个能力板块(物资/服务供应管理),然后写主数据来源系统(ERP-MDM),业务负责部门(物资部),可能引用方(ERP-MM、生产运维、项目管理系统、ERP-FICO),最后列关键属性。关键属性分两栏:已有属性和需要增加属性。已有属性从现有系统字段里捞,需要增加属性由业务部门提需求。这一步不做,后面概念建模就是空中楼阁。

3.2 关键属性表示规范:别让“物料描述”变成自由文本

方案里有一段很细的规范,讲关键属性怎么表示。物料类型用枚举(设备、原材料、设备配件、五金材料备件、工具、计量仪表、变电线路材料、套件、废品),物料组做进一步细分(如 10kV 电缆附件、35kV 电流互感器),物料描述写具体参数(如“35kV 干式变压器,35/10,20000kVA,自冷”),物料号是唯一 12 位数字编码且第一位代表物料类型,计量单位有 205 个标准值,工厂描述对应 33 个财务独立核算部门。

这段规范看起来琐碎,但它解决的是数据治理里最烦人的问题:同一个物料,采购叫一个名、库存叫一个名、财务叫一个名。把表示方法定死,主数据才有“唯一数据源”的可能。我一般会把这部分做成一张字段规范表,交给业务部门确认,确认完再进模型。

属性表示规范示例
物料类型枚举值,首位编码代表类型1 代表设备类
物料组物料类型下的二级细分35kV 电流互感器
物料描述物料组内具体参数描述35kV 干式变压器,35/10,20000kVA,自冷
物料号唯一 12 位数字编码首位为类型码
计量单位标准计量单位集英寸、平方英寸、立方英寸
工厂描述财务独立核算部门公司本部、调度通信中心

3.3 从数据定义到概念模型的衔接

数据定义做完,下一步是概念建模。方案给的企业信息/数据模型是一张二维表:行是能力板块(市场营销/客户服务、计量装置管理、规划/资产管理、物资/服务供应管理、人力资源管理、财务管理),列是主数据和事务型数据。每个单元格填该板块产生的数据对象,比如市场营销板块的主数据有客户资料/关系信息、渠道信息,事务型数据有需求信息、合同信息、电费征收信息、抄表信息、客户投诉/处理信息。

这张表的作用是让“数据源”和“数据引用”可视化。方案还专门举了市场营销板块的数据共享例子:客户资料、合同信息这些数据对象,除了本板块产生,还会被其他板块引用。概念模型要回答的就是“谁产生、谁引用、流向哪”。我建议这一步用 Excel 或 ARIS 先画一版粗的,别一上来就追求完整,先把跨板块共享的那几个数据对象标出来,治理的重点就在这些共享对象上。

4. 建模三层与组织配置:逻辑模型、物理模型和 FTE 怎么定

4.1 逻辑数据模型:范式化、主键与多对多

方案对逻辑数据模型的描述很工程化:逻辑实体-关系模型描述系统设计师的信息设计视点,只包括范式化的实体,必须填写所有要实施的属性,属性界定按域或逻辑数据类型(字符、数字、日期、图片等),要求有完整的主键方案或候选关键字,外键主键的生成可能隐含或非隐含,多对多关系通过关联实体解决,ER 图是常用工具。方案还给了一个 ARIS 里的销售能力板块示例:客户、地址、重要客户、普通客户、客户细分。

这段内容对做过数据库设计的人不陌生,但放在治理方案里意义不同:它是在说逻辑模型是业务语义和物理实现之间的契约。逻辑模型不范式化,物理模型就会到处冗余;主键方案不定,后面数据质量规则就没法挂。我一般要求逻辑模型至少做到第三范式,多对多必须拆关联实体,主键在逻辑层就定下来,物理层只做实现选择。

4.2 物理数据模型:跟数据库产品绑定的实施细节

方案明确说物理数据模型跟具体数据库管理系统(如 Sybase、Oracle、Informix)紧密相关,详述实施细节:索引构建、替代键说明、参考完整性模式(陈述式或程序式)、物理存储对象如表空间。还给了 Barker ER-D 记法的示例,客户表和地址表通过客户_地址关联表连接,字段带类型和长度。

这里有个实操边界:物理模型不是治理团队直接管的,方案把它划给项目级数据物理建模师和数据库管理团队。治理团队管的是逻辑模型的一致性和物理模型对逻辑模型的遵从度。我见过反过来的做法,治理团队直接审物理表设计,结果陷进索引和分区细节,反而没人管跨系统的主数据一致性。方案这个分工是合理的。

4.3 数据治理团队的 FTE 配置:17.4 人从哪来

方案给了一张很细的 FTE 表,我把它整理成下面这个简化版,方便对照自己公司量级:

团队角色级别数量每人投入总 FTE
数据督导企业级数据督导副总信息师150%0.5
数据督导能力板块级督导(8 个板块)科/副科830%2.4
数据督导信通中心数据督导助理科员3100%3
数据建模/架构企业级数据架构师科级1100%1
数据建模/架构系统/项目级数据建模师副科/科员550%2.5
数据库管理企业级 DBA(备份、权限、库管、数仓、质量监控、IDP)科员6100%6
数据库管理系统/项目级物理建模员科员2100%2

合计约 17.4 FTE。这个数字的意义不是让你照抄,而是给你一个量级感:一个中等规模企业的数据治理团队,核心配置在十几人这个量级,其中数据库管理团队占大头(6 人),数据督导团队靠兼职(8 个板块各 30%)。如果你们公司只有两三个人兼着做治理,那基本只能做数据定义和 KPI,建模和物理实施必然顾不过来,这是要提前跟领导说清的边界。

4.4 数据督导按能力板块配置:共享数据归谁管

方案有一段讲数据督导设立要以能力板块的数据需求为基础,列了各板块的主要数据:营销/客户服务有营销数据、产品数据、客户数据;计量装置管理有计量装置数据;规划/资产管理有项目建设和管理、运行维护、设备数据、规划数据、项目管理数据、运行数据、维护数据;物资/服务供应管理有物资管理数据、供应商管理数据、采购数据;人力资源和财务管理各有对应数据。

关键规则是:对于存在于多个能力板块的信息/数据,依据数据源和数据使用程度决定数据督导来自哪个部门,或者由两个部门督导共同管理。这条规则解决的是跨板块主数据的归属争议。实操中我一般会做一个“数据对象—产生板块—使用板块—建议归属”的四列清单,把争议对象单独拉出来开会定,定完写进 RACI 表。

5. 避坑与排查:五个真实会翻车的点

5.1 现象:RACI 表填完,项目上还是没人认领数据质量

原因:RACI 表只定义了治理团队内部的分工,没有和项目考核挂钩。项目团队认为数据质量是治理团队的事,治理团队认为数据是项目产生的。方案里其实埋了线索:项目软件架构师团队需要在项目层面设计数据的逻辑架构,项目数据物理建模员负责物理设计,但这两类角色在项目考核里往往没有数据质量指标。

解决:把数据质量 KPI 拆到项目里程碑里,逻辑模型评审不通过不开工,物理模型上线前做一次数据质量基线比对。RACI 表里的 A 要同步写进项目责任书,不能只停在治理方案文档里。

5.2 现象:概念模型画得很全,一到系统对接就对不上

原因:概念模型用的是业务语言,系统接口用的是物理字段,中间缺一层“逻辑模型到接口字段”的映射。方案里数据定义模板有“关键属性(已有)”和“关键属性(需要增加)”两栏,但很多团队只填已有,不填需要增加,导致新系统建设时又各自定义一套。

解决:每个共享数据对象在概念模型定稿后,强制补一张“逻辑属性—源系统字段—目标系统字段”映射表,映射不上的列为待办,进项目需求清单。这张表是概念模型和物理模型之间的桥,不建这座桥,模型就是墙上的图。

5.3 现象:数据督导设了,但业务部门派来的人没有决策权

原因:方案里能力板块级数据督导定的是科/副科级、投入 30%,这个配置在很多公司会被理解成“找个科员兼一下”。派来的人级别不够,跨部门数据争议调不动,数据定义确认不了。

解决:数据督导的人选要按方案里的级别要求卡住,至少是能代表本部门拍板数据定义的人。如果实在派不出科级,就明确授权范围,写进任命文件。我见过最有效的做法是让企业级数据督导(副总信息师级)主持月度数据争议会,板块督导带着议题来,当场裁决。

5.4 现象:物理模型和逻辑模型各做各的,DBA 最后才发现字段对不上

原因:方案把物理建模划给项目级物理建模员和数据库管理团队,逻辑建模划给数据建模/架构团队,两个团队如果不在同一个评审节奏里,就会出现逻辑模型改了、物理模型没跟上的情况。

解决:建立逻辑模型变更影响分析机制,逻辑模型每次变更标记影响的物理表和接口,DBA 在变更评审里有一票否决权。方案里数据库管理团队负责数据可用性、备份恢复、安全,这些工作都依赖物理模型稳定,所以 DBA 必须前置参与逻辑评审,而不是等建表时才介入。

5.5 现象:ARIS 模型建了,但项目上不用,架构蓝图固化不了

原因:方案提到现有/目标架构在 ARIS 中被完整记录,并有模型说明文件。但 ARIS 模型如果只作为交付物存档,不进入项目立项和设计评审流程,就只是文档。项目团队该怎么做还怎么做。

解决:把 ARIS 模型作为项目立项的强制输入,项目设计文档必须引用对应架构模型编号,架构评审时对照 ARIS 检查遵从度。方案里企业架构治理(EAM)设计部分讲了角色、岗位、职责和项目治理流程,这部分要落到项目 gate 上,模型才有约束力。

6. 进阶用法:用 KPI 和生命周期把治理闭环跑起来

方案里数据治理 KPI 的定义比较克制,只提了完整性、准确性、及时性这几类指标,以及数据服务水平(SLA)和数据生命周期存储规范。真正要把治理闭环跑起来,我一般会在这份方案的基础上补三件事。

第一,把 KPI 挂到数据对象上,而不是挂到部门上。比如物资主数据定“物料描述完整率”“物料类型准确率”“主数据同步及时率”,每个指标有明确的计算口径和数据源系统,月度出一次基线。方案里数据督导团队负责定义和监控数据 KPI、制定与管理数据 SLA,这个职责要落到具体指标清单上,不能只写“负责数据质量”。

第二,数据生命周期要按数据对象分类定规则。方案说依据业务数据服务水平高低,明确数据全生命周期存储规范:存取速度、备份和恢复要求、迁移日期、保留期限和保护方式。实操中我会把数据对象分成主数据、事务数据、分析数据三类,主数据保留期限最长、变更要留痕,事务数据按业务留存要求定,分析数据按聚合粒度定。每类给一张存储规范表,DBA 按表执行。

第三,用 ARIS 模型做架构遵从度检查的抽样。不用全量查,每个项目抽三到五个关键数据对象,对照概念模型和逻辑模型检查是否一致,不一致的进问题清单。这个动作每季度做一次,比年度大检查更有效。

治理动作频率责任角色输出物
数据 KPI 基线比对月度数据督导团队KPI 月报
逻辑模型变更评审按需数据建模/架构团队 + DBA变更影响分析
架构遵从度抽样季度企业架构师 + 数据架构师遵从度检查报告
数据争议裁决会月度企业级数据督导主持裁决记录,更新 RACI

最后说个血泪经验:这类咨询方案最容易犯的错是把它当“文档交付物”读完就归档,真正值钱的是里面那些模板和表——数据定义模板、RACI 表、FTE 配置表、概念模型二维表。我现在的习惯是每拿到一份这类方案,先把它拆成可填写的表格,找一个小范围(比如一个能力板块的主数据)跑一遍,跑通了再推广。从那以后我每次做数据治理启动,都强制先填一张数据定义模板和一张 RACI 表,填不满就说明还没准备好开工。希望帮到你。

本文还有配套的精品资源,点击获取

返回列表