轉型成功不易，實質上數字化轉型是一項極其復雜的系統工程，它本質上是企業自身的一次產業升級，很多企業數字化轉型的失敗不是資金不足，而是未結合企業自身管理特性做好嵌入，導致轉型難以落地。要想成功的需要做好很多重要性工作，但這里不得不提到其中一個重要的內容，制定有效的企業數據管理制度。
有效的數據管理制度是企業數字化成功落地的必要條件，有朋友聊到了他們公司做了幾年的數字化項目，請了國際領先的咨詢公司來做咨詢實施，也投入了很多資金，系統做的也很靈活，但落地過程中頻出問題，難以長效的執行下去。通過深入詳細地討論，原來目前他們的數據管理制度還未落實，導致很多很好的建設方案并未落實下去，所以這里不得不說數據管理制度的重要性。
偉人說過：“制度的問題不解決，思想的問題就解決不了”，可見制度的重要性，是解決人的思想問題，只有思想達成一致了，才能事半功倍：針對于大型企業集團來講，在數字化系統落地時，有一套完整可落地的數據管理制度予以配合，將能夠為數字化轉型成功保駕護航。那企業的數據管理制度如何寫，如何寫好數據管理制度呢，數據管理制度的重點的組成框架要點是什么？今天就結合自身的經驗，給大家講一講。
管理比較完善的A制造業集團公司，業務遍及全球，企業分公司覆蓋了國內各大城市，海外的一些城市，因公司規模較大，所以本身的管理規范性高，公司規章制度完整度高，所以需要的管理制度就比較全面，按照集團級企業管理制度規范要求，它的制度做了三種層次分類：
第一、數據管理辦法
數據管理辦法描述了企業主數據的總體要求，內容相對較粗，一般格式采用的都是“第XX條……”，這是針對某一方面企業管理企業制度要求。辦法的要求是不帶主觀判斷的語言，需明確制度要求。如主數據管理辦法要明確企業在主數據管理方面各單位應該要遵循的最重要的原則。辦法章節中內容要描述清晰、公平公正、合法合規，內容可包含管理辦法實施的目的是什么、適用的范圍、整體遵循的原則、組織架構、過程管控要素等。
第二、數據管理規范
數據管理規范主要拆解管理辦法的框架，進行細則分解，管理辦法的每個條例中解釋到了不同的數據實體對象，數據管理規范中要加以細化規范說明，同時將業務管理和系統管理的要求關聯起來，業務管理在每個條例中需要怎么做，如何執行，包括時點、人物、權責、流程都需要在這里寫清楚，每個流程都有明確對應的組織人員和業務對象這樣的規范才能落地，類似如下流程：只有明確到具體操作崗位、操作內容、動作之后這樣的數據管理規范才能有效執行。
第三、數據管理指導手冊
數據管理指導手冊屬于執行操作層面的內容，具有可操作性，如數據績效考核更多的是針對于執行中結合數據組織架構中的人員、權責加以考評，這個制度可以單獨存在，也可以納入整體的人員績效考核中。核心是相關的權責方在數據治理中對數據的規范執行，數據質量的評價。需要寫清楚數據評估的等級、標準要求、考核的步驟，不同人員考核的維度、量化指標。同時也考慮指標要求，又接地氣，得到各部門認可和支持的指標才有意義，制定數據評價系統的目的不是考核人員，而是讓組織更有活力，讓數據有效落地。
當然還可以從不同分類出具對應的數據分類的管理制度，搭建完整的數據管理制度體系建設，如元數據管理制度、主數據和參考數據管理制度、數據架構管理制度、數據安全管理制度、數據建模制度、數據質量管理等制度。
結合企業實際情況來編寫，企業的數據治理評估可以按照專業的DAMA數據管理知識體系中提供的標準DMM模型（或DCMM模型），確定企業整體數據治理成熟度級別，數按照據管理框架緯度進行評分，如圖：
對整個數據管理框架進行科學的評估，得出的結果再來拆解企業實際的管理制度需求的急迫性和重要性，制定出管理制度的分類及層次標準，這才符合于企業經營真正的數據核心管理訴求。寫多少個管理制度不重要，但要與企業業務經營相結合的制度才有效，才能有效落地。
數據管理制度終究是指引企業不同崗位的人員如何在系統的支撐下，管理好使用好企業數據，所以天生需要具備可讀性、可執行性，否則數據管理制度就毫無價值。概括起來講數據管理制度中需要明確地包含但不限于以下四方面核心內容：
一、數據管理組織和權責
既要明確數據管理組織和數據管理崗位的權責，按照DAMA的數據管理組織理論，一方面需要寫清楚企業支撐數據工作的數據管理組織架構，如數據標準化委員會、數據管理指導委員會、數據決策層、數據執行層等，每個數據組織下需要明確數據的崗位，如數據系統管理員、數據負責人，數據協調人、數據管理崗、數據維護崗等，每個崗位的具體職責，需要清晰的說明，也可以配合著流程進一步說明。
另一方面數據組織的數據責任范圍需要明確，不同的數據對象可能需要由不同的業務人員進行管理，包括業務規則、業務標準的輸出。同時針對不同的數據對象的數據Owner需要明確，再次強調了數據Owner的重要性，因為它是業務標準最終輸出的指定人，這樣能夠貼近業務經營，業務標準的變化也可以及時反饋到系統端，讓數據管理緊跟業務發展。
二、數據管理對象范圍
該部分需要闡述哪些數據納入數據管理要求中，如主數據管理，不同企業依據企業固有屬性對主數據的字段定義存在不一樣定義，考慮到數據全生命周期中的管理節點，有的甚至需要清晰化哪些業務節點的數據對象納入主數據，這些數據對象下的核心共享字段納入主數據，應當遵循主數據管理制度高標準，而不納入的部分則達不到這樣的標注要求，可適當的放低要求，這一點非常重要的，既明確了邊界時點，也貼合企業質量管控和成本要求。
三、數據管理流程
需要列明數據的錄入流程，數據創建流程、數據修改流程，數據凍結/失效流程、數據新需求流程等。每個流程需要明確數據維護時點、維護人員、維護系統、維護依據、維護質量要求等，遇到數據管理人員審核時，還需要列明審核的內容及權責要求。
四、數據管理量化指標
既然是數據管理制度，就需要盡可能對數據管理要求進行指標量化。這里面結合DAMA數據領域較為成熟的管理指標進行分享，數據管理制度里面需要明確，管到何種程度才符合業務使用要求。例如績效指標評價：以A數據項為單位，需要通過數據質量要求：完整性、及時性、準確性、一致性、唯一性、有效性的六個緯度計算標準，需要達到何種標準才能稱之為合格的數據，這樣可以根據計算規則得出各個數據維護方的數據質量綜合得分，如“數據質量對象設置總分100分，按照問題項依次扣除，每條問題扣1分，扣完為止”。這樣的數據質量指標執行中才能清晰推動業務進行數據質量改進。
當然除了上面四核心點，還需要提到落實數據爭議決策機制，數據的工作是企業級工作，必須站在企業視角去思考。所有數據推動工作通常會因為不同部門間的意見不統一導致難以執行下去，清楚的處理機制和決策人就顯得非常重要，定義數據戰略決策人，決策人級別越高，對數據落地執行越有號召力，數據推動工作越有效果。
同時每個企業員工都以企業為中心，提高自身的數據觀認知，一切從服務企業出發，不在乎誰多干活，誰少干活，用科學的思維和方法逐步分解數據管理工作，DAMA書中也闡述到“數據管理制度專注于定義術語和合并數據周邊的語言，這是組織獲得更一致數據的起點”。
在企業數據治理中，數據管理制度作為正規嚴肅的書面規范，可以有效支撐企業數字化執行落地，而數字化產品作為一種管理工具提供企業數字化轉型，兩者相輔相成，缺一不可。
