在進行數據治理之前，十大坑應該知道並
1.不明確的目標。
數據治理是一項複雜的系統工程，一個明確合理的目標，可以使數據治理更有針對性。相反，不合理和不明確的目標將導致治理失敗。
主要有兩個方面的目標環節問題：
首先，目標與業務脫節。一方面，數據治理很難獲得業務支持，也很難在業務層面實施，而不考慮如何從技術角度賦予業務權力。另一方面，數據治理一種難以帶來實際效果的空氣治理。
第二，目標不夠准確。作為一個系統工程，其目標也需要分階段、分部門分情況進行分解和制定。例如，如果目標太空，例如我們的數據治理目標是解決所有數據質量問題，或者目標設定得太淺，例如將目標設定為解決業務數據問題的一個小方面，數據治理工作將難以有效手機上網Plan。
因此，必須做好數據治理的第一步：分析業務問題，找出企業的核心業務需求，明確數據治理的目標和范圍。
2.無力支持高層。
數據治理的關鍵在於治理。當談到治理時，它將不可避免地涉及到全面的改進。數據治理過程的相關調整和優化需要在數據策略、組織結構和流程優化的各個方面進行相應的調整和優化。而這些，只有少數人，少數部門很難實現。
一旦缺乏高層支持或高層影響力不足，數據治理就很難深入到各級部門、各個業務領域的核心人員和核心環節。然後，這個系統的項目需要組織內部的統一認知，共同努力將很難實施。
當然，為了獲得更多的支持，我們必須清楚地展示數據治理的目標和結果。在數據治理的過程中，組織需要堅持業務價值取向，明確數據治理的定位是有效管理數據資產，確保其准確性、可靠性、可感知性、可理解性和易於獲取，並為大數據應用和領導決策提供數據支持。
3.低參與人員。
數據治理是自上而下的工作，資源的調動、制度的設計、執行、監督，最後都要落實在人上，只有在組織內部得到全鏈條的支持，最後才有成效。
許多組織認識到數據的價值，並成立了一個專門的數據管理團隊。然而，這些團隊通常是技術人員，並被劃分為技術部門，導致整個數據管理的實施，重視技術，而不是業務。技術部門往往受組織范圍的限制，主要從技術維度進行處理，單方面解決數據問題，往往解決症狀而不是根本原因。
數據治理不僅是技術部門的問題，也是業務部門的問題。我們必須建立各方共同參與的組織結構和制度流程。只有這樣，數據治理的工作才能真正落實到人身上，而不是浮在表面上。
4.不透明的過程。
上面提到的高層支持度和人員參與度兩個要素，數據治理過程不透明，密切相關。
這裏的不透明主要指的是兩個方面：
首先，制定的規章制度和標准尚未得到宣傳和實施。相關人員對此一無所知，自然無法遵守和執行，因此這些文件只能成為空談。
第二，數據治理沒有存在感。數據治理的進展和結果沒有定期呈現。如果業務人員感覺不到數據治理的效果，他們就不願意合作。如果高級管理人員不能接受數據治理的有效性和價值，他們就不會意識到數據治理的重要性，從而減少投資。
5.混亂的分工。
數據管理項目范圍廣泛，涉及不同的業務部門、信息部門和應用系統。為了確保項目的成功，需要協調各方關系，合理分工，協同合作。
在數據管理過程中，一些機構沒有建立明確的分工結構體系。例如，他們要求IT人員對數據質量負責。然而，數據質量問題的來源往往存在於業務中。不了解業務的IT人員往往難以做出相應的決策和對策，這往往導致崗位職責模糊，難以解決Au Tau。
只有讓了解業務的人做業務定義的事情，讓他們成為數據標准的集中部門，讓了解技術的人完成特定的業務實現，兩者履行各自的職責，盡自己最大的努力，才能逐步建立一個成熟、健全的數據治理分工體系。
6.權責不清。
平台已經建立，數據規則已經配置，數據問題已經基於跨部門合作。然而，經過一段時間後，問題仍然存在，或者反複出現。這個問題的根本原因是，我們沒有建立一個關於數據權利認可和問責機制的閉環。當數據問題出現時，我們不知道該找誰，並與多方協調，導致項目實施速度緩慢，許多質量問題沒有得到解決。
例如，通過十多年的數據架構經驗，一個互聯網集團明確表示，一個穩定、連續迭代的中間層是保持數據架構有序的關鍵。因此，集團剝離了數據資產研發和數據應用研發的作用，以沉澱資產、中間層建設、優化資產架構為主要職責，建立數據資產工程師崗位和獨立晉升渠道，明確權利和責任，輔以績效激勵，使數據治理發展更加順利。
7.缺乏標准。
數據標准難以實施是數據治理中的一個常見問題。對於許多已經進行過數據標准管理的組織來說，花費大量精力整理的標准系統最終變成了一堆Word和Excel文檔。
在金融行業，或國家安全等特殊行業，數據標准的實施較好，而在政府和普通企業中，數據標准基本上是一種裝飾。造成這個問題的原因有兩個：一是人們沒有注意到數據標准的工作。第二，國內企業做數據標准，動機往往不是做好數據治理，而是處理上級檢查，其中許多是咨詢公司，學習同一行業企業的本地化標准，一旦咨詢公司撤離，企業本身就沒有能力實施數據標准。
8.短期主義。
數據治理是一項需要實踐的長期主義事件。它用於支持組織戰略和長期發展。我們應該不斷吸收新的數據來源，不斷跟蹤數據問題，不斷改進。因此，數據治理的工作不應該是一錘定音的交易。
在數據治理方面，一些組織將其視為一個一次性項目，希望在短期內帶來更高的投資回報。如果他們沒有達到預期，他們應該將其作為一種成本性支出削減。或者，如果沒有溝通和協調各部門的需求和關系，數據治理最終會失敗。
9.貪大求全。
提到28個原則，我們並不陌生。這一原則也適用於數據治理：80%的數據業務實際上由20%的數據支撐;同樣，80%的數據質量問題實際上是由20%的系統和人員產生的。在數據治理的過程中，如果我們能夠找到這20%的數據，以及這20%的系統和人員，我們應該首先從核心系統和核心數據開始，然後逐步覆蓋其他領域，這將用一半的努力得到兩倍的結果。
許多機構在進行數據治理時往往會陷入大而全的陷阱。他們希望一個數據治理能夠覆蓋整個業務和整個技術領域，並將各種業務系統和各種數據納入其中。但事實上，數據治理本身就是一個大概念，包括很多方面。如果你盲目地追求完美，不能把握關鍵點，往往會導致數據治理似乎做了一切，但實際上什么都沒做。成本和時間增加了，但效果並不明顯。
10.對工具的過度依賴。
數據管理工作是業務、技術、流程、組織結構、專業人員和專業方法的集合。這些工作在很大程度上取決於各種數據處理工具的實施。一套好的數據處理工具確實可以用一半的努力得到兩倍的結果，但如果你過度依賴工具，數據處理將很難實施。購買一個可以分類或管理數據的平台很容易，但如果你想改變數據結構或清理毫無價值的數據，這些工具將很難支持它們。
歸根結底，數據治理仍然是治理與數據相關的人的行為。除了工具外，一系列工作也很重要，如組織結構、制度流程、實施和運維。如果這一系列配套設施做得不好，就很難保證後續工作。