越来越多的公司意识到他们一直在累积不断增长的数据量，但是它们未必对商业分析有价值。期间缺失的环节是将数据转换成为全面、一致、正确且及时的信息。这并不是技术可以为您解决的问题：关键的一步是建立一个数据治理项目，帮助您的组织实现一致的定义、规则、政策和过程，真正将数据作为一个公司资产来对待。

　　至少，这是一个目标。虽然很多公司已经开始进行企业数据治理，但是这些行动方案的成功率一直都不是很让人满意。必须采用许多适用于数据治理最佳实践的建议。接下来要探讨的是企业必须避免的“最差实践方法”和陷阱。要将它们看作是跳线图上的红色标记，它们会提醒您管理程序可能出现了错误。

　　实施但缺少监管。IT总是将实施数据治理看作是业务主管开出支票来付款以及安排人员到管理委员会。事实上，这只是第一步，业务还必须执行更多的过程。业务人员需要为数据治理项目创建数据定义、业务规则和关键性能指标(KPI);在整个组织中达成对它们的认可;推广使用和规范化;以及保证这些定义、规则和KPI根据业务需求的发展和改变而持续更新。现实情况是，大多数数据治理任务仅仅是给超负荷工作的业务经理增加多一项工作，而不是进行合理的优先级划分，合理减少他们任务清单的其他事情。在缺少一个真正有效的业务资源监管的情况下，数据治理将会回到以前的无序状态，并且无法得到有效地实现。

　　预备、行动、目标。据我所知，大多数组织在企业数据治理方面都做对了一件事，那就是创建一个管理指导委员会和一个独立管理工作组。指导委员会中必须有来自整个企业的业务代表，而工作组一般是由真正执行管理工作的数据治理员组成的。而组织往往处理不当的是时间安排：在他们确切了解数据治理程序的范围及参与者的角色和职责之前，他们便组建了这些小组并安排相应的人员。必定会拖延数据治理实施并导致业务失去兴趣的一种方式是：过早组织管理框架，最后意识到必须重做。

　　不切实际或好高骛远。很多数据治理都会犯的一个重要错误是，尝试在项目的开始阶段解决组织的所有数据问题。或者，公司选择从涉及整个公司且很可能与政治相关的最大数据问题开始处理。在解决多年来累计的数据问题的同时建立一个数据治理程序，这几乎是不可能实现的。这是一个您必须“全局考虑和局部执行”的情况。换言之，数据问题必须分解成增量式的可交付件。“过大，过快”显然都是造成灾难的因素。

　　金发姑娘综合症。在金发姑娘和三只熊的故事中，小女孩不断地遭遇一个又一个的极端事情。很多数据治理程序也恰恰存在类似的情况。或者程序过于高级而实际上没有处理实质性的数据问题，或者它试图为企业的每个应用程序的所有表的所有数据域创建定义和规则——结果是花费大量的时间处理一些不必要的细节。这两个极端之间需要进行恰当的折衷，这样，数据治理措施才能够创建出真正的商业价值。

　　委员会负担过重。对于管理指导委员会和工作组而言，好的消息是，他们让代表各种业务单元和部门的人员参与数据过程。坏的消息是，他们常常让过多的人员参与到过程中。通常，一个委员会的人数越多，出现的政治斗争便会越多，而管理职责也会随之变淡。为了取得成功，要尽力将委员会限制在6到12个人，同时确保委员会成员拥有所需要的决策权力。

　　无法实现。如果数据定义、业务规则和KPI都已经建立，但是它们无法在任何业务过程中使用，那么数据治理工作将无法产生任何商业价值。数据治理过程必须构成一个完整的反馈回路，其中数据会在恰当的时候定义、监控、执行和修改。创建了定义和规则，但是不实现，这就像绘制了蓝图，但是从不开工建设。类似地，就管理倡议进行持续的交流也将无法实现。结果，业务用户重拾旧习惯，数据治理程序又失去动力了。

　　不进行变更管理。如果要实现成功的企业数据治理，那么业务和IT过程都必须进行改变;然而，变更管理的附属问题却得不到足够重视。受到影响的人员和过程问题，以及内部政策都成为必须解决的问题。

　　假定技术是唯一的解决方案。对于那些购买了主数据治理、数据整合或数据质量软件(或者多个混合产品)来支持数据治理程序的企业而言，这可能是一个问题。由于供应商的宣传加上贴有高价标签，人们往往都会抱以这样的预期：这个软件将可以完成最艰苦的工作，并且能够帮助组织解决繁琐的人力、过程和政策问题。可惜——企业可能确实可以在所购买的软件中获得价值，但是，它的内部交互却不一定对管理工作有好处。

　　缺乏可持续过程。即使最初的投资是及时的，资金和人员也是充裕的，但是很多组织仍无法以长远的目光来看待持续的管理效果，无法建立预算，执行资源监管或设计数据治理过程。

　　忽视“数据阴影系统”。一个最常见的管理错误就是关注一个企业的事务性“系统记录”和BI系统，假定所有重要的数据都可以从中获得。但是，重要的信息往往是分散在组织的“数据阴影系统”中。例如，业务人员所使用的“真实”BI报告和分析调查结果通常最终位于所谓的Excel图表中。忽视这样的数据是很危险的。

　　总之，必须认识到，企业数据治理必须联合业务和IT的双方努力。造成组织陷入困境的原因在于他们实现管理程序的方法。但是，如果您能够避免前面提到的这些错误和问题，那么将更利于您实现成功的数据治理。