知名咨询公司Gartner曾对实施数据治理的公司进行了一项的调研，结果显示，有近50%的企业数据治理并未取得理想的效果。

  究竟是什么影响了企业数据治理的结果呢？在《一本书讲透数据治理》中，给出了以下9大因素：

  企业的数据战略应当与业务战略保持一致，规划出明确的目标、范围、实施路径并具备可执行数据战略，指明数据治理的方向。

  企业进行数据治理，有必要进行组织机制转型，追求精简和灵活，明确各部门在企业数据治理中的角色、定位、职责和分工，以满足数字时代企业数据治理组织建设的要求。

  数据文化是企业所有人员对数据价值的一致认同，具体表现为：用数据说话，用数据管理，用数据决策，用数据创新。

  数据治理作为一项驱动企业创新的工作，应当与企业的业务流程进行深层次地融合，通过优化业务流程，实现业务效率提升，创造数据价值。应当将数据治理作为一项能为企业创造价值的重要业务，而不只是一项支撑性的工作。

  很多数据治理不理想的企业有一个共同特点：要么没有建立起数据治理相应的管理流程和制度，要么制度流于形式，没有正真获得很好的贯彻执行。这一些企业管理层面缺乏制度体系的建设，执行层面没有标准可依，很容易出现违规情况。

  数据是企业数字化转型的基础要素，但往往并不能在企业数字化转型中发挥出应有的价值。许多企业拥有大量数据，但其中大部分数据缺乏统一的数据标准，信息孤岛问题严重，碎片化的数据在信息系统的数据库中“沉睡”，为数据治理带来困难。

  人才是推进企业数字化转型的核心动力，而当前市场上的高端数据治理人才非常匮乏，导致企业数据治理所需要的业务专家、技术专家长期缺位，企业招不到合适的人才。此外，很多企业还有招聘框架和人才竞争机制限制，进一步减少了其引入高端数据治理人才的机会。

  要让数据治理发挥价值，必须战略性地使用数据治理技术，将数据治理贯穿于数据的“采、存、管、用”整个生命周期中。涉及的数据治理技术最重要的包含数据建模、数据标准、数据质量、数据安全、数据集成、数据处理、数据使用等。

  企业的数据治理应做好全面规划，结合企业实际业务需求选择正真适合的技术路线，有条不紊地推进。

  数据治理包含元数据管理系统、数据标准化管理系统、数据清洗与加工工具、数据质量管理系统、数据安全管理系统、数据集成与共享系统等。

  “器以载道”，企业应依据自己业务需求，基于企业现状和数据战略目标选择正真适合的数据治理工具，才可以做到事半功倍的效果。

  就比如河南省的某三级大型综合医院，因为使用了合适的数据治理工具，实现了数据治理的降本增效——在仅用一台服务器的情况下，5分钟内就完成了原本需要8-9小时才能完成的百万级数据迁移工作。并顺利完成了医院的信息化建设，推进了数字化转型流程。

  该医院使用的数据治理工具就是SoData数据机器人，这是一款实时+批次、批流一体、高效的数据开发治理工具，基于Spark和Flink框架进行深度二次开发，实现数据采集、集成、转换、装载、加工、落盘全流程实时+批次处理的极致体验，能够一站式解决企业数据治理的“实时、轻量、多源、异构”需求，帮企业快速实现数据应用。

  此外，SoData数据机器人还支持低代码数据开发，深度集成批量同步组件、原生Sql组件（可在支持的DB执行自定义Sql）、Spark-Sql组件、Shell组件、Python组件、Kafka组件、Flink-Sql组件、实时计算组件、数据质量组件、血缘关系组件十大组件，所有组件之间可通过拖拽与低代码开发，实现各类功能，高效率满足多个场景的数据开发治理需求。

  截止目前，SoData数据机器人已为包括医疗、金融、制造、零售等在内的八大行业的上百家机构提供了技术服务，被数千位专业技术人员使用体验。