一、缺乏明确目标
目标空泛(如“解决所有数据问题”)、短视、不与业务挂钩,导致治理中途被搁置。
二、分工混乱、权责不明
数据确权不清,出问题互相推诿;让IT搞业务、让业务搞技术,协作混乱。
三、高层关注不足
高层口号响亮却无实质授权,或让无影响力的部门负责,跨部门协调形同虚设。
四、缺乏数据治理专家
误把系统管理当数据治理,或单靠业务人员、技术人员,缺乏既懂业务又懂技术的复合人才。
五、不透明规则和系统
制度不公开、成果不汇报、数据不共享,形成“信息孤岛”,治理变成黑箱操作。
六、被动式数据治理
只有在决策失误、系统集成失败或监管处罚时才关注数据质量,缺乏事前预防和事中监控。
七、项目型数据治理
将治理视为一次性项目,期望一夜见效,不建立持续机制,问题处理完就结束。
八、孤立式数据治理
数据标准不落地,不与业务流程结合,业务部门视其为额外负担。
九、唯工具论
迷信治理平台,忽视组织、文化、制度、流程建设,把管理问题变成技术问题。