数据治理工作的8种推进套路（下）

咱书接上文。8种方法，分别是：顶层设计法、技术推动法、应用牵引法、标准先行法、监管驱动法、质量管控法、利益驱动法、项目建设法。

前文说了前四种《数据治理工作的8种推进套路（上）》，今天给大家分享后四种：监管驱动法、质量管控法、利益驱动法和项目建设法。

一、监管驱动法

这个好理解，就是强监管。

强监管通常是上级单位发政策，下级单位执行。而且做不好，还会有惩罚。

银行、保险等强监管的行业就是跟着政策走的。不好好做数据治理，不按照EAST、1104的要求报送数据，罚单马上就来。

不要想着随便糊弄，有本事就造全套的假数据，假的跟真的一样的那种，表间勾稽关系无误，各个维度都找不到破绽的那种。

当然了，在企业内部其实也可以执行这种强监管的模式，但这需要“特权”。这个前提通常很难达到。

有种取巧的方法，就是贯标。比如现在国家在推的DCMM贯标。嗯，彭友们要过DCMM记得找老彭哈~~~

贯标有一个特别的好处，就是把“贯标评级”列到组织年度目标中，这样就能在企业内部形成一个巨大的“势能”，形成强监管的态势。

当我们把“DCMM贯标”这根大棒挥舞起来，自然比某个部门或者某几个部门推动数据治理强太多了。

我们给某企业做DCMM贯标的时候，发现技术部门早就制定并颁发了数据安全的制度、流程。但是跟大多数企业一样，发完之后就成一纸空文了。业务觉得安全管控太费事了，压根就不执行。

现在不一样了，技术部门借着“贯标”的理由，要求业务贯彻执行之前发布的制度和流程。业务虽然不情不愿，但是贯标是企业级目标，大家不得不做，也就半推半就的推行起来了。

其实说到底，监管驱动法，就是在借势，借上级政策要求的势，借国家标准的势。用大势推动原本推不动的部门，疏通原本阻力大的流程。

质量控制法其实是没有办法，也算是数据管理早期的雏形。因为说起来，数据管理理论体系往前追溯，其实是来自于质量管理体系。

ISO9000（质量管理标准体系）、TQM（全面质量管理体系）、CMMI（能力成熟度集成模型，不只是软件哦！），都属于通用管理体系。

ISO9000后发展出ISO8000（数据质量管理标准体系），TQM延展出TDQM（全面数据质量管理体系）。而CMMI协会也在2014年推出了DMM（企业数据管理能力成熟度模型）。这是数据领域质量管理体系。

中国则参考CMMI等一众数据管理体系，在2018年正式发布数据管理成熟度评估模型（DCMM）国家标准，这是后话了。

与其他行业情况一样，质量是绕不过去的关。不管是做业务的，还是搞技术的，相信各位彭友没少为数据质量的问题挠头。质量有问题，数据就没法用，甚至会影响错误决策。

于是，迫于各种数据质量问题，企业内外部才认真对待，逐步解决数据质量问题。

数据质量管控很明显，是问题导向。但是也不能头疼医头脚疼医脚，还得有个方法论。

一般来说得有一个具体的需求，包括数据质量管控目标、评估标准、判定规则等等。

然后再以阶段性的目标和需求出发，从事前防范、事中监控、事后核查三方面进行质量管控，对各类数据问题予以解决。

在解决的时候，一般会立一个数据质量改进的专项，从技术、流程、制度、机制等层面进行改进，定期开展评估，对数据质量问题及解决办法建立知识库，便于之后遇到类似问题能快速定位和解决。

在这个过程中，以数据质量问题为牵引，综合使用元数据、主数