随着AI在企业应用中的火热，企业自有数据的质量和可用性、可信性以及丰富度成为很多企业关注的话题，要想让AI在自己企业内部真正的发挥作用，而不是让员工在手机上或者电脑上下载几款APP就使用起来那么简单，企业的数据工程工作必须开展，而数据工程当中最终要的就是要做数据治理的工作。而数据治理工作必须从“业务”开始。
我在为企业服务的过程中，经常看到好多企业的数据治理是由IT部门发起，并由IT部门去执行的，这是一个非常错误的做法，这里面有两大错误：
1、第一大错误就是数据治理的范围
IT是负责公司信息系统建设的部门，根据业务部门提出的需求，进行软件的选型、采购、实施和运维，其所负责的数据都是原始数据，而原始数据只是企业“数据”很小的一部分。
数据作为一个经常被大家所提及的词汇，在每个人的心目中是不同的，IT心中的数据，就是在业务信息系统中采集记录的相关业务活动的数据，可以叫做原始数据，以业务信息系统后台服务器中的数据库存储的数据为主。但是，在业务，在管理层中，数据的概念不是这个意思，是业务判断和业务决策，高层做业务管理的时候，所需要的数据。
比如说业务部门要将一批货发给客户，选择哪个供应商，以多长的发货期，花费多少运费发给客户，这是业务决策和业务执行，这个时候他所需要的数据就是物流供应商的资源信息以及运输周期和报价的情况，是海运、陆路运输还是空运，是否满足客户交期，是否节省成本，同样是陆路运输，哪个供应商有运力，报价几何，安全性如何等等，都需要这些数据，所以他所需要的是订单要求、供应商信息、供应商运输资源和能力、供应商运费报价等相关数据；这一类叫做决策数据，是原始数据的统计汇总，呈现在业务部门面前的报表。
而高层所需要的数据，财务核算的数据，一个订单交付完成了，客户是否满意，是否按时回款，这个订单赚了多少钱，赚得多还是少，比我们之前更赚钱了还是盈利能力在下降，在这个过程中，是否比竞争对手更好。这些管理评价，事后评价的数据，我们需要业务和财务都要做数据统计和分析，最后形成的一个订单的核算报表，然后有参照系，比我们之前的订单，比竞争对手的相关信息采集，从而让管理层能够形成科学的、准确的，甚至是及时的判断。这些数据是统计分析数据。
那么，在IT领导的数据治理当中，很少会将后两种数据进行统筹地综合治理，只在原始数据上做治理工作，对数据如何使用、如何统计汇总、数据指标的计算公式、数据指标的呈现方式，没有进行全生命周期的治理，还是满足不了业务的需求，满足不了高层的管理需要。这是第一类问题。
2、第二大错误就是理解力问题
由IT领导的数据治理，往往因为不了解业务，不理解业务逻辑，不知道业务到底需要什么数据和指标用于其日常的管理活动和管理判断，从而在实施数据治理的过程中，无法真正地从业务需求的视角推进数据治理。
数据治理的基本逻辑是从业务需求出发。
业务需要做哪些分析，做哪些统计，需要哪些指标去管理和评价业务，需要哪些数据指标去支撑业务决策，从而无法知道到底采集什么数据，采集的数据需要哪些字段，需要哪些信息，让数据治理最终是为了满足业务需求，而不是让业务信息系统中的数据看上去比较规范，看上去很结构化。
我们把这种从业务需求、管理需要和决策需要、分析洞察需要的数据治理的思路叫做“自上而下”，不是过去IT从业务信息系统出发，在每个环节规范数据采集、传输、记录和存储，如果是从业务活动和业务信息系统出发的数据治理我们叫做“自下而上”，这种治理思路是无法精准满足业务需要的。
数据治理需要业务部门的参与，最好是业务部门来领导，从而让IT来实现整个全流程闭环的数据治理，并在相关系统中实施落地。所以，企业数据治理必须从业务开始，并由业务部门主导整个数据治理的项目。当然，这里面还有一个业务的人是否理解数据和技术的问题，这就是数据治理过程中，数据治理的团队中，要有既懂业务，还懂数据相关技术的人，这种桥梁型的人才。