数据治理既要严抓过程，更要注重结果。为了提高数据治理的执行效率，需要建立相应的数据治理考核办法，并关联组织及个人绩效，检验数据治理各个环节的执行效果，以保证数据治理制度的有效推进和落实。

01

数据治理的4个考核原则

数据治理工作应作为企业的一项常态化业务，数据治理绩效考核应融入企业管理的组织绩效考核体系，并应遵循以下考核原则。

1. 公平公正原则

公平公正原则是设计、确定、推行绩效考核机制的前提。绩效考核体系不具备公平公正的原则，就无法发挥绩效考核应有的作用。绩效考核的内容、考核指标、考核程序均应向数据治理利益干系人公开，同时，考核应客观、准确地体现出数据治理的效果以及被考核人员的能力和态度。数据治理绩效考核是帮助企业员工提升数据管理、数据应用能力的一种重要手段。

2. 严格原则

企业一旦开始执行数据治理绩效考核，就必须遵循严格的原则。考核不严格，就会流于形式，形同虚设，不仅不能全面地反映数据治理的真实情况，而且还会产生消极的后果。考核的严格性体现在以下方面：要有明确的考核标准，要有严肃认真的考核态度，要有严格的奖惩制度与科学的考核方法等。

3. 公开透明原则

数据治理应具有公开透明性，数据治理的各项策略和流程不应成为企业内个别部门、人员的私有或保密的内容，而应对企业所有人员公开，让大家对数据治理工作都有一定的认识和理解。数据治理的考核内容、考核指标、考核办法、考核结果也应是公开的，这是保证绩效民主的重要手段。考核结果公开，一方面，可以使被考核人员认识到数据治理的重要性，并了解自己在数据治理工作中的不足，帮助绩效差的部门和人员提升能力和思想认知，鼓励绩效好的部门和人员再接再厉，保持领先；另一方面，还有助于防止考核中出现偏见或种种误差，以保证考核公平与合理。

4. 客观评价原则

对于无法量化或者无法借助计算机软件进行评价的数据治理考核指标，进行人工考核。人工考核应当根据明确规定的考评标准，针对客观的考核资料进行评价，避免掺入主观性。

02

数据治理的6类考核指标

本质上，数据治理绩效考核是一种对企业数据治理的过程管理，而不只是对结果的考核。它通过对数据治理过程的管控，将数据治理目标按时间、按主题、按部门等多个维度进行分解，形成可量化考核的指标，不断督促相关干系人实现。

1. 数据治理绩效考核的难度

与企业的其他业务（销售、采购、生产、财务等）相比，数据治理是企业业务中最困难的领域，一个重要的原因是数据治理的成效难以量化。销售、采购、生产、财务这些业务都是可以用数据量化的，比如产品销售量、物资采购量、生产消耗量、产量、财务收付款数量等，而“企业的数据治理是否奏效”这样的问题常常让人不知如何回答。

企业数据治理普遍存在一个现象：当一切业务正常且没有数据问题时，数据治理的努力就会被忽略，功劳永远是前端业务部门的；而当出现业务问题且是由数据问题引起时，大家首先责怪的是数据治理没有做好，“取不到数据”“数据不准确”，这些听起来很耳熟吧？

2. 建立绩效指标体系的3个要素

为了证明在数据治理上的努力和投资能够让企业受益—降低了成本，增加了收入，提升了决策效率，企业还需要对数据治理的目标进行分解，建立可量化、可执行、可度量的数据治理指标体系。

问题：数据报告不准确，业务沟通耗时较长，业务处理效率低下。

目标：通过使用准确的数据和已定义的数据管理流程，降低销售、库管、生产等业务部门的沟通成本，提升业务处理效率，提高业务和管理决策的效率。

影响：提高数据报告的准确性，降低业务部门的沟通成本。

了解企业亟待解决的问题、治理的目标及解决问题的影响，能够得出需要改进的内容，形成数据治理的指标。使用指标来衡量数据治理的成功对实现数据目标至关重要，它可以帮助企业走上正确的数字化转型道路。

3. 数据治理的6类考核指标

数据治理的绩效考核可以从数据治理人员、数据质量问题、数据标准贯彻、治理策略执行、技术达成、业务价值实现等6个维度考量，见表1。

表1　数据治理的6类考核指标

数据治理指标体系的建设应涵盖数据治理的组织人员、制度流程保障、技术措施等方面，突出数据录入、审核、维护、备份、安全等重点环节，进行指标量化。表2给出了一个数据治理考核评价指标的示例。

表2　数据治理考核评价指标示例

03

数据质量的6种检查办法

数据治理的绩效考核需要对单个数据点的数据准确性进行检查，以及时发现数据质量问题。常用的数据质量问题检查方法有记录数检查法、关键指标总量分析法、历史数据对比法、值域判断法、经验审核法及匹配判断法。

1. 记录数检查法

通过比较记录条数，对数据情况进行概括性验证，主要是检查数据表的记录数是否在确定的数值或确定的范围内。

适用范围：对于数据表中按日期进行增量加载的数据，当每个加载周期的记录数为常数值时，需要进行记录条数检验。

举例：每月新增的物料编码条数。

2. 关键指标总量分析法

对于关键指标，对比数据总量是否一致，主要是指具有相同业务含义的指标，检查不同部门、不同系统之间的统计结果是否一致。

适用范围：本表中的字段与其他表中的字段具有相同的业务含义，从不同的维度统计，存在汇总关系，且两张表的数据不是经同一数据源加工得到，满足此条件时，需要进行总量检验。

举例：企业的员工总人数、总收入、总利润、总费用、总投资等指标。

3. 历史数据对比法

通过历史数据对比观察数据变化规律，从而验证数据质量。从变化趋势、增减速度、周期、拐点等方面判断数据的可靠性。两种常用的历史数据对比方式是同比和环比。同比指的是与历史同期比较，反映数据的长期趋势；环比指的是对相邻的两期数据进行比较，突出反映数据的短期趋势。

适用范围：通过对比反映数据短期或长期趋势时，需要使用历史数据对比法。

举例：本月的数据质量问题环比减少20%，企业营业收入同比增长50%。

4. 值域判断法

确定一定时期内指标数据的合理变动区间，对区间外的数据进行重点审核，其中数据的合理变动区间是直接根据业务经验来确定的。

适用范围：可以确定事实表中字段的取值范围，且可以判断不在此范围内的数据必定是错误的，满足此条件时，必须进行值域判断法。

举例：基于年龄维度统计在职员工的数量，低于18岁、高于65岁的数据属于异常数据，应重点审核。

5. 经验审核法

对于报表中指标间的逻辑关系仅靠计算机程序审核无法确认和量化，或有些审核虽设定数量界限，但界限较宽、不好判定的情况，需要增加人工经验审核。

适用范围：数据无法量化或量化界限无法评定的情况下，使用人工经验审核法。

举例：某数据安全事故对企业声誉的影响程度。

6. 匹配判断法

通过与相关部门提供或发布的有关数据进行对比验证，判断数据的有效性。

适用范围：对于与相关部门提供或发布的有关数据口径一致的数据，可以使用匹配判断法。

举例：基于外部的数据服务，验证用户填写的姓名和身份证号是否真实。

04

数据治理的4种考核方式

数据治理的绩效考核应采用日常考核与定期考核相结合、系统自动考核与人工考核相结合的模式进行，明确考核奖惩措施，强化数据治理考核机制。

1. 日常考核

日常考核是考核数据治理的相关干系人（尤其是数据的生产者或所有者）在日常工作流程中，录入和审核数据是否及时、完整、准确、规范，其目的是在源头堵住不良数据的入口以防范数据安全风险。举例如下。

1）及时性考核

比如业务员是否第一时间将销售订单录入CRM系统中，销售主管是否在规定的时间内完成订单数据的审核，ERP系统中本月的有效单据（如请购单、采购单、委托单、出入库单等）是否审核月结完毕。

2）准确性考核

对业务单据的关键属性的值的完整性、准确性进行考核，例如客商档案录入是否完整，税率、进货数量、单据价格是否准确等。

3）规范性考核

责任人是否越权操作，比如：是否使用他人账号/密码登录系统并录入或审核数据；是否未经上级领导批准，将账借给他人使用或者让他人代录入或审核数据。

2. 定期考核

数据管理部门应定期开展数据质量的稽查，通过制定数据质量稽查规则，明确数据稽查内容、稽查周期、稽查方法，来检查数据是否完整、及时、准确。定期考核可以分为抽样数据稽查和全面数据稽查。

抽样数据稽查：数据治理小组定期按照一定的时间范围对相关数据集的数据质量情况进行检查，目的是及时发现增量数据中的数据质量问题。

全面数据稽查：数据治理小组必须按照一定的周期对相关数据集的存量进行全面的数据质量问题稽查，需要定期发布报告，以显示每个指标的成功之处和待改进之处。一般来说，全面数据稽查的频率要低于抽样数据稽查，数据集的记录数越小，越适合采用全面数据稽查的方法。例如，小于10万条记录的数据集必须每月进行一次全面数据稽查。

3. 系统自动考核

对于计算机系统能够量化的数据质量规则，应尽量采用系统自动考核方式进行数据质量问题的稽查。可量化的数据质量规则举例如下。

记录差异性：检查跨系统之间实体记录不相同的信息，例如A系统中的客户资料在B系统中不存在。

字段一致性：检查跨系统之间实体相同的记录的字段是否一致，例如A系统中客户“张三”的出生年月与B系统中客户“张三”的出生年月不相同。

字段准确性：检查单系统中某字段的取值是否正确，例如账目表中客商费用的取值不能大于100万元。

业务逻辑性：检查系统中某字段的取值是否符合业务逻辑，例如销售单据中的客户编码、产品编码是否分别存在于客户档案表、产品档案表中。

系统自动考核要求数据质量管理工具提供数据质量检查规则、数据质量任务、考核规则的配置功能，数据质量任务的分派、处理、审核、监控功能，以及数据质量问题报表的展示和查询功能等。

4. 人工考核

人工考核主要是根据审核人员的经验以及填报单位的各种定量和定性信息，采用人机结合的方式对已录入数据进行检查和审核，进而判断数据是否符合要求。人工考核面向的数据主要分为两类。

无法形成量化指标或者量化范围难以鉴定的数据，例如数据质量问题对企业业务的影响程度。

计算机稽查发现的“异常数据”和“重复数据”，例如：计算机稽查到CRM系统中有20条重名的客户信息，这时需要人来判断这20条客户信息是否真的重复，为什么会重复。经审核确定的“异常数据”和“重复数据”应向填报单位核实，核实后，填报单位应对数据进行改正。

在数据治理绩效考核中，只有通过了人工数据审核，才能进行数据汇总并给出考核结果。

05

小结

绩效考核机制是企业数据治理的各项制度有效推进和落实的重要保证，它能帮助企业有效执行数据标准，提升业务操作的规范性，提高数据质量。绩效考核机制也是形成并固化数据文化的重要手段，通过制度约束和绩效考核，培养企业员工的数据素养，从而促进业务效率提升。

数据治理的绩效考核建立在对数据治理内涵的深刻理解基础上，应结合企业自身现状和需求，制定有针对性的绩效考核方案，而不能盲目照搬本章中给出的数据治理考核原则、考核指标、考核办法、考核方式仅供参考。

链接：https://www.toutiao.com/a7050012302351057422/?channel=&source=search_tab

————————————————————————————————————————————

免责声明：本文转载自网络，所发内容不代表本网站立场，如有侵权请联系删除。